前言

之前的文章中談到了機(jī)器學(xué)習(xí)項目中，要想使得使得機(jī)器學(xué)習(xí)模型進(jìn)一步提升，我們必須使用到模型融合的技巧，今天我們就來談?wù)勀Ｐ腿诤现斜容^常見的一種方法——stacking。翻譯成中文叫做模型堆疊，接下來我們就來了解下，此法到底如何將模型做堆疊從而提升模型效果的。

stacking具體流程

我們就對著下圖（兩層的stacking）來詳細(xì)描述一下如何做模型stacking：

• 首先將數(shù)據(jù)分為5份，
• 在stacking的第一層定義5個基模型[model_1 ,model_2,model_3,model_4,model_5]，其中每個模型選擇做一下5折的交叉驗證的預(yù)測，這樣就相當(dāng)于每個模型將所有數(shù)據(jù)預(yù)測了一遍，舉個例子，最終每一個訓(xùn)練數(shù)據(jù)會被轉(zhuǎn)換為[1,1,1,1,0]形狀，維度為5的向量。
• 將第一層5個基模型的輸出預(yù)測向量[1,1,1,1,0]，作為第二層模型model_6的特征做訓(xùn)練，
• 做test時，直接將test的數(shù)據(jù)喂給之前第一層訓(xùn)練好的5個基模型，5個模型預(yù)測出的至平均后作為第二層模型的輸入。

大家可以簡單的將stacking的第一層模型理解成一個超強(qiáng)的特征轉(zhuǎn)換層。

總結(jié)

以上是生活随笔為你收集整理的深度学习核心技术精讲100篇（十）-机器学习模型融合之Kaggle如何通过Stacking提升模型性能的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。