实战篇代码

实战学习第二课
1.偏度，峰值 skew_dummies(BaseEstimator, TransformerMixin)
https://blog.youkuaiyun.com/qq_14815661/article/details/93378840

2.数据挖掘竞赛利器-Stacking和Blending方式
https://blog.youkuaiyun.com/maqunfi/article/details/82220115

stacing

A、B是学习器，C、D、E是进行答案再组织的次学习器（加权平均值）

1.首先将所有数据集生成训练集 的5折交叉验证（8000作训练集，2000作校正集）和 测试集为2500
2. 可以得到52000条验证集的结果(相当于每条数据的预测结果)，52500条测试集的预测结果。
3. 预测结果拼接成10000行长的矩阵，标记为A1。而对于5*2500行的测试集的预测结果进行加权平均，得到一个2500一列的矩阵，标记为B1。
4.对3个基模型进行集成的话，相于得到了A1、A2、A3、B1、B2、B3六个矩阵。
5.A1、A2、A3并列在一起成10000行3列的矩阵作为training data,B1、B2、B3合并在一起成2500行3列的矩阵作为testing data，让下层学习器基于这样的数据进行再训练
6.再训练是基于每个基础模型的预测结果作为特征（三个特征），次学习器会学习训练如果往这样的基学习的预测结果上赋予权重w，来使得最后的预测最为准确。。。。最终得到最后答案回到算数题从最下面的A,B一直到最上面的答案