Python——机器学习分类模型实例:进阶模型融合Voting和Stacking详解

兰泽S

已于 2024-01-25 15:25:00 修改

阅读量1.4k

点赞数 23

分类专栏：机器学习 Python 文章标签： python 机器学习人工智能 sklearn 分类

于 2024-01-24 20:00:00 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_53848907/article/details/135815580

版权

本文介绍了如何在Python中利用Stacking和Voting方法对预处理后的数据进行模型融合，以提高机器学习分类模型的准确性。作者通过实例演示了如何使用sklearn库中的StackingClassifier和VotingClassifier，以及如何优化基模型选择和参数设置来获得更好的预测效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

接上篇文章：Python——机器学习分类模型实例：从数据预处理到模型训练全流程-优快云博客

本文利用上篇文章中，预处理后的数据，介绍模型融合的 Statcking 和 Voting方法，用以提高模型预测的准确率。Stacking 方法扒了一下sklearn中的源码，其处理方法似乎和大部分原理类文章中讲的不太一样。

0. 保存和读取预处理后的数据

为方便后续利用，可以将上篇文章中预处理后的数据保存为一个新的csv文件。参考代码如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

import lightgbm as lgb
from sklearn.ensemble import StackingClassifier
from sklearn.ensemble import VotingClassifier


## 将预处理后的数据保存为新的csv文件
train_pre = pd.concat([x_train,y_train],axis=1)
test_pre = pd.concat([x_test,y_test],axis=1)

train_pre.to_c

最低0.47元/天解锁文章