Ansamblarea modelelor

Câștigarea unei competiții Kaggle în Python

Yauhen Babakhin

Kaggle Grandmaster

Ansamblarea modelelor

Blending de modele

• Problemă de regresie
• Antrenați două modele diferite: A și B
• Generați predicții pe datele de test:

Test ID	Predicție model A	Predicție model B
1	1.2	1.5
2	0.1	0.4
3	5.4	7.2

Blending de modele

 

Test ID	Predicție model A	Predicție model B	Medie aritmetică
1	1.2	1.5	1.35
2	0.1	0.4	0.25
3	5.4	7.2	6.30

Blending de modele

 

Medie aritmetică

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

Medie geometrică

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

Stacking de modele

 

1. Împărțiți datele de antrenament în două părți
2. Antrenați mai multe modele pe Partea 1
3. Generați predicții pe Partea 2
4. Generați predicții pe datele de test
5. Antrenați un model nou pe Partea 2 folosind predicțiile ca variabile
6. Generați predicții pe datele de test cu modelul de nivel 2

Exemplu de stacking

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	?

Exemplu de stacking

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

Exemplu de stacking

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

Antrenați modelele A, B, C pe Partea 1

Exemplu de stacking

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

Exemplu de stacking

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

Exemplu de stacking

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

Antrenați modelul de nivel 2 pe Partea 2

Exemplu de stacking

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

Să exersăm!

Câștigarea unei competiții Kaggle în Python