Ensembling modelů

Jak vyhrát soutěž na Kaggle v Pythonu

Yauhen Babakhin

Kaggle Grandmaster

Ensembling modelů

návrh ensemblingu vítězného řešení soutěže Kaggle

Jak vyhrát soutěž na Kaggle v Pythonu

Blending modelů

  • Regresní problém
  • Trénování dvou různých modelů: A a B
  • Predikce na testovacích datech:
Test ID Predikce modelu A Predikce modelu B
1 1.2 1.5
2 0.1 0.4
3 5.4 7.2
Jak vyhrát soutěž na Kaggle v Pythonu

Blending modelů

 

Test ID Predikce modelu A Predikce modelu B Aritmetický průměr
1 1.2 1.5 1.35
2 0.1 0.4 0.25
3 5.4 7.2 6.30
Jak vyhrát soutěž na Kaggle v Pythonu

Blending modelů

 

Aritmetický průměr

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

Geometrický průměr

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

Jak vyhrát soutěž na Kaggle v Pythonu

Stacking modelů

 

  1. Rozdělení trénovacích dat na dvě části
  2. Trénování více modelů na části 1
  3. Predikce na části 2
  4. Predikce na testovacích datech
  5. Trénování nového modelu na části 2 s predikcemi jako příznaky
  6. Predikce na testovacích datech pomocí modelu 2. úrovně
Jak vyhrát soutěž na Kaggle v Pythonu

Příklad stackingu

Train ID 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
Test IDs feature_1 ... feature_N Target
11 0.49 ... -2.32 ?
12 0.32 ... 1.15 ?
13 0.91 ... 0.81 ?
Jak vyhrát soutěž na Kaggle v Pythonu

Příklad stackingu

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

 

Train ID feature_1 ... feature_N Target
4 0.10 ... 2.87 1
5 0.54 ... -0.10 0
Jak vyhrát soutěž na Kaggle v Pythonu

Příklad stackingu

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

 

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

Trénování modelů A, B, C na části 1

Jak vyhrát soutěž na Kaggle v Pythonu

Příklad stackingu

Train ID 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

 

Test IDs 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
Jak vyhrát soutěž na Kaggle v Pythonu

Příklad stackingu

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

 

Test IDs 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
Jak vyhrát soutěž na Kaggle v Pythonu

Příklad stackingu

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

 

Test IDs 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

Trénování modelu 2. úrovně na části 2

Jak vyhrát soutěž na Kaggle v Pythonu

Příklad stackingu

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

 

Test IDs Target A_pred B_pred C_pred Stacking prediction
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
Jak vyhrát soutěž na Kaggle v Pythonu

Lass uns üben!

Jak vyhrát soutěž na Kaggle v Pythonu

Preparing Video For Download...