Ensamblado de modelos

Cómo ganar una competición de Kaggle con Python

Yauhen Babakhin

Kaggle Grandmaster

Ensamblado de modelos

Mezcla de modelos

• Problema de regresión
• Entrena dos modelos distintos: A y B
• Haz predicciones en el test:

ID test	Predicción modelo A	Predicción modelo B
1	1.2	1.5
2	0.1	0.4
3	5.4	7.2

Mezcla de modelos

 

ID test	Predicción modelo A	Predicción modelo B	Media aritmética
1	1.2	1.5	1.35
2	0.1	0.4	0.25
3	5.4	7.2	6.30

Mezcla de modelos

 

Media aritmética

$$arithmetic = \frac{1}{n}\sum_{i=1}^{n}{x_i}$$

Media geométrica

$$geometric = \Bigg({\prod_{i=1}^{n}{x_i}}\Bigg)^{\frac{1}{n}}$$

Stacking de modelos

 

1. Divide el train en dos partes
2. Entrena varios modelos en la Parte 1
3. Predice en la Parte 2
4. Predice en el test
5. Entrena un modelo nuevo en la Parte 2 usando predicciones como features
6. Predice en el test con el modelo de 2º nivel

Ejemplo de stacking

ID train	feature_1	...	feature_N	Target
1	0.55	...	1.37	1
2	0.12	...	-2.50	0
3	0.65	...	3.14	0
4	0.10	...	2.87	1
5	0.54	...	-0.10	0

IDs test	feature_1	...	feature_N	Target
11	0.49	...	-2.32	?
12	0.32	...	1.15	?
13	0.91	...	0.81	?

Ejemplo de stacking

ID train	feature_1	...	feature_N	Target
1	0.55	...	1.37	1
2	0.12	...	-2.50	0
3	0.65	...	3.14	0

 

ID train	feature_1	...	feature_N	Target
4	0.10	...	2.87	1
5	0.54	...	-0.10	0

Ejemplo de stacking

ID train	feature_1	...	feature_N	Target
1	0.55	...	1.37	1
2	0.12	...	-2.50	0
3	0.65	...	3.14	0

 

ID train	feature_1	...	feature_N	Target
4	0.10	...	2.87	1
5	0.54	...	-0.10	0

Entrena modelos A, B, C en la Parte 1

Ejemplo de stacking

ID train	feature_1	...	feature_N	Target	A_pred	B_pred	C_pred
4	0.10	...	2.87	1	0.71	0.52	0.98
5	0.54	...	-0.10	0	0.45	0.32	0.24

 

IDs test	feature_1	...	feature_N	Target	A_pred	B_pred	C_pred
11	0.49	...	-2.32	?	0.62	0.45	0.81
12	0.32	...	1.15	?	0.31	0.52	0.41
13	0.91	...	0.81	?	0.74	0.55	0.92

Ejemplo de stacking

ID train	Target	A_pred	B_pred	C_pred
4	1	0.71	0.52	0.98
5	0	0.45	0.32	0.24

 

IDs test	Target	A_pred	B_pred	C_pred
11	?	0.62	0.45	0.81
12	?	0.31	0.52	0.41
13	?	0.74	0.55	0.92

Ejemplo de stacking

ID train	Target	A_pred	B_pred	C_pred
4	1	0.71	0.52	0.98
5	0	0.45	0.32	0.24

 

IDs test	Target	A_pred	B_pred	C_pred
11	?	0.62	0.45	0.81
12	?	0.31	0.52	0.41
13	?	0.74	0.55	0.92

Entrena el modelo de 2º nivel en la Parte 2

Ejemplo de stacking

ID train	Target	A_pred	B_pred	C_pred
4	1	0.71	0.52	0.98
5	0	0.45	0.32	0.24

 

IDs test	Target	A_pred	B_pred	C_pred	Predicción stacking
11	?	0.62	0.45	0.81	0.73
12	?	0.31	0.52	0.41	0.35
13	?	0.74	0.55	0.92	0.88

¡Vamos a practicar!

Cómo ganar una competición de Kaggle con Python