28、机器学习集成与计算机视觉建模：从堆叠融合到图像增强

机器学习集成与计算机视觉建模：从堆叠融合到图像增强

1. 集成学习中的堆叠与融合策略

1.1 堆叠模型的代码实现与评估

在集成学习中，堆叠（Stacking）是一种强大的技术。以下是一个堆叠模型的代码示例：

model_2.fit(skip_X_train[train_index, :],
            y_train[train_index])
second_lvl_oof[val_index, 1] = model_2.predict_proba(
                      skip_X_train[val_index, :])[:, 1]

model_3.fit(skip_X_train[train_index, :],
            y_train[train_index])
second_lvl_oof[val_index, 2] = model_3.predict_proba(
                      skip_X_train[val_index, :])[:, 1]

# 在第二层使用全量数据重新训练
skip_X_test = np.hstack([X_test, fist_lvl_preds])
model_1.fit(skip_X_train, y_train)
second_lvl_preds[:, 0] = model_1.predict_proba(skip_X_test)[:, 1]
model_2.fit(skip_X_train, y_train)
second_lvl_preds[:, 1] = model_2.predi