风口浪尖上的猪

模型融合方法分为以下几种： 1、平均法：分加权平均、简单平均； 2、投票法：绝对多数、相对多数和加权平均； 3、学习法：当训练数据较多时，通过另一个学习器来进行分类。 bagging: 并行，通过平均能够降低误差（有放回抽取k个训练集，训练模型k个），最后投票，通过数据的不同训练得到不同的分类器效果，如果分类器本身性能稳定，则整合的意义不大。例子：随机森林，树模型。 boosting: 串行，训练一系列弱分类器，利用模型之间的依赖，通过给错分样本更大的权重来提升性能， stacking（结合策略）：通过一个

Toad简介 一个可以用作数据探查、特征选择和评分卡模型建模的python工具包。 参考： https://www.cnblogs.com/cgmcoding/p/14026520.html https://www.freesion.com/article/2550417274/ 1.EDA数据探查 toad.detect() # 高阶版 describe功能 以datafountain中非法集资案例中的数据为例，base_info.csv import toad import pandas base =