अपना पहला स्टैक्ड एन्सेम्बल बनाइए

Python में Ensemble Methods

Román de las Heras

Data Scientist, Appodeal

scikit-learn के साथ स्टैकिंग मॉडल

scikit-learn में स्टैकिंग की कुछ खूबियाँ:

scikit-learn स्टैकिंग एस्टीमेटर देता है (संस्करण 0.22 से)
अन्य scikit-learn एस्टीमेटर के साथ संगत
अंतिम एस्टीमेटर को cross-validation से ट्रेन किया जाता है

सामान्य स्टेप्स

स्टैकिंग आर्किटेक्चर स्टेप्स

इम्प्लीमेंटेशन के सामान्य स्टेप्स:

डेटासेट तैयार करें
फर्स्ट-लेयर एस्टीमेटर बनाएँ
प्रेडिक्शंस को डेटासेट में जोड़ें
सेकंड-लेयर मेटा एस्टीमेटर बनाएँ
प्रेडिक्शन के लिए स्टैक्ड एन्सेम्बल का उपयोग करें

Stacking क्लासिफायर

from sklearn.ensemble import StackingClassifier

# 1st-लेयर क्लासिफायर इंस्टैंशिएट करें
classifiers = [
    ('clf1', Classifier1(params1)),
    ('clf2', Classifier2(params2)),
    ...
    ('clfN', ClassifierN(paramsN))
]

# 2nd-लेयर क्लासिफायर इंस्टैंशिएट करें
clf_meta = ClassifierMeta(paramsMeta)

# Stacking क्लासिफायर बनाएँ
clf_stack = StackingClassifier(
   estimators=classifiers,
   final_estimator=clf_meta,
   cv=5,
   stack_method='predict_proba',
   passthrough=False)

# fit और predict मेथड्स का उपयोग करें
clf_stack.fit(X_train, y_train)
pred = clf_stack.predict(X_test)

Stacking रिग्रेसर

from sklearn.ensemble import StackingRegressor

# 1st-लेयर रिग्रेसर इंस्टैंशिएट करें
regressors = [
    ('reg1', Regressor1(params1)),
    ('reg2', Regressor2(params2)),
    ...
    ('regN', RegressorN(paramsN))    
]

# 2nd-लेयर रिग्रेसर इंस्टैंशिएट करें
reg_meta = RegressorMeta(paramsMeta)

# Stacking रिग्रेसर बनाएँ
reg_stack = StackingRegressor(
   estimators=regressors,
   final_estimator=reg_meta,
   cv=5,
   passthrough=False)

# fit और predict मेथड्स का उपयोग करें
reg_stack.fit(X_train, y_train)
pred = reg_stack.predict(X_test)

अब आपकी बारी!

Python में Ensemble Methods