随机森林:
数据采样:自助采样法。
特征选择随机:从当前节点d个特征中随机选出k(k= logd)个特征,然后再选择当前节点的最优划分特征。
1.数据采样:对原始数据进行 60%-80%的采样。
2.在stacking时,可以根据结果样本的预测分布将表现不好的模型去除。通过两层来做。
3.在stacking集成第二步时,通过交叉验证获得完整数据集。
mlens.ensemble import SuperLearner #并行集成算法,十分简单,只需要把基础模型和元模型加进去,直接fit训练集,就可以得到集成的模型,最后只需要predict就可以了(把backend设为"multiprocessing")