17、机器学习中的异构集成分类器与文本分类

机器学习中的异构集成分类器与文本分类

1. 异构集成分类器

在机器学习中，异构集成分类器是一种强大的技术，它结合了多种不同类型的模型，以提高整体的分类性能。这里我们主要介绍使用 H2O 构建堆叠集成模型的过程。

1.1 模型训练与评估

• 堆叠集成模型训练 ：使用 H2O 的 H2OStackedEnsembleEstimator 进行堆叠集成模型的训练。在步骤 18 到 20 中完成训练后，在测试数据上评估该模型的性能。
• 单个模型评估 ：在步骤 21 中，评估所有构建的 GLM 模型在测试数据上的性能，同样对使用 RF 和 GBM 训练的模型进行评估。步骤 22 找出具有最大 AUC 分数的模型。步骤 23 评估堆叠集成模型在测试数据上的 AUC 分数，以便与单个基础学习器的性能进行比较。

1.2 交叉验证

在训练所有模型时，使用了交叉验证方法。通过 nfolds 选项设置交叉验证的折数，例如设置 nfolds = 5 ，也可以设置为更高的数字。需要注意的是，所有构建的模型的折数必须相同。

当指定了 nfolds 的值后，还可以为 fold_assignment 参数提供值。 fold_assignment 可以取 auto 、 random 、