stacking方法也是集成學習的一個作弊一樣的方法。

比bagging，boosting內容要少一點。

簡介

Stacking(有時候也稱之為stacked generalization)是指訓練一個模型用于組合(combine)其他各個模型。即首先我們先訓練多個不同的模型，然后再以之前訓練的各個模型的輸出為輸入來訓練一個模型，以得到一個最終的輸出。如果可以選用任意一個組合算法，那么理論上，Stacking可以表示上面提到的各種Ensemble方法。然而，實際中，我們通常使用單層logistic回歸作為組合模型。

雖然他很直觀，但是沒有語言描述確實很難搞懂。

?

上半部分是用一個基礎模型進行5折交叉驗證，如：用XGBoost作為基礎模型Model1，5折交叉驗證就是先拿出四折作為training data，另外一折作為testing data。注意：在stacking中此部分數據會用到整個traing set。如：假設我們整個training set包含10000行數據，testing set包含2500行數據，那么每一次交叉驗證其實就是對training set進行劃分，在每一次的交叉驗證中training data將會是8000行，testing data是2000行。

?

每一次的交叉驗證包含兩個過程，1. 基于training data訓練模型；2. 基于training data訓練生成的模型對testing data進行預測。在整個第一次的交叉驗證完成之后我們將會得到關于當前testing data的預測值，這將會是一個一維2000行的數據，記為a1。注意！在這部分操作完成后，我們還要對數據集原來的整個testing set進行預測，這個過程會生成2500個預測值，這部分預測值將會作為下一層模型testing data的一部分，記為b1。因為我們進行的是5折交叉驗證，所以以上提及的過程將會進行五次，最終會生成針對testing set數據預測的5列2000行的數據a1,a2,a3,a4,a5，對testing set的預測會是5列2500行數據b1,b2,b3,b4,b5。

?

在完成對Model1的整個步驟之后，我們可以發(fā)現a1,a2,a3,a4,a5其實就是對原來整個training set的預測值，將他們拼湊起來，會形成一個10000行一列的矩陣，記為A1。而對于b1,b2,b3,b4,b5這部分數據，我們將各部分相加取平均值，得到一個2500行一列的矩陣，記為B1。

?

以上就是stacking中一個模型的完整流程，stacking中同一層通常包含多個模型，假設還有Model2: LR，Model3：RF，Model4: GBDT，Model5：SVM，對于這四個模型，我們可以重復以上的步驟，在整個流程結束之后，我們可以得到新的A2,A3,A4,A5,B2,B3,B4,B5矩陣。

?

在此之后，我們把A1,A2,A3,A4,A5并列合并得到一個10000行五列的矩陣作為training data，B1,B2,B3,B4,B5并列合并得到一個2500行五列的矩陣作為testing data。讓下一層的模型，基于他們進一步訓練。

?

以上即為stacking的完整步驟！

XGB模型，把train分train1~train5,共5份，用其中4份預測剩下的那份,同時預測test數據，這樣的過程做5次,生成5份train（原train樣本數/5）數據和5份test數據。然后把5份預測的train數據縱向疊起來，把test預測的結果做平均。

RF模型和XGB模型一樣，再來一次。這樣就生成了2份train數據和2份test數據（XGB重新表達的數據和RF重新表達的數據），然后用LR模型，進一步做融合，得到最終的預測結果。

左邊部分為訓練集，右邊部分為測試集

依舊是以原來的label作為訓練的target

為什么stacking高效呢？

可以這么理解，原本的多個模型訓練的精度已經到達了一個程度，上不去了。眾所周知，模型的精度在起初的時候上升總是較快，但是越到后面上升就越慢。舉一個例子吧。有場馬拉松，有10公里，一個人跑了7公里，實在跑不動了。這個時候裁判突然說，可以接力跑，他叫了個兄弟來幫他跑，剩下但3公里跑起來就輕松多了。就是這個道理，幾個模型的精度達到了上限，從原始數據到target已經很困難了，無法在提高了，那我們就不訓練原始數據了，從上一個模型的輸出的直接去擬合target。就是這么作弊的一個東西。

個人感覺這東西容易過擬合，也有人試過多層的stacking效果不如層數少的，很大的可能性就是過擬合了。

參考：https://blog.csdn.net/willduan1/article/details/73618677/

https://blog.csdn.net/wstcjf/article/details/77989963

https://blog.csdn.net/qq_18916311/article/details/78557722

總結

以上是生活随笔為你收集整理的【机器学习】集成学习之stacking的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。