前言

之前的文章中談到了機器學習項目中，要想使得使得機器學習模型進一步提升，我們必須使用到模型融合的技巧，今天我們就來談談模型融合中比較常見的一種方法——stacking。翻譯成中文叫做模型堆疊，接下來我們就來了解下，此法到底如何將模型做堆疊從而提升模型效果的。

stacking具體流程

我們就對著下圖（兩層的stacking）來詳細描述一下如何做模型stacking：

• 首先將數據分為5份，
• 在stacking的第一層定義5個基模型[model_1 ,model_2,model_3,model_4,model_5]，其中每個模型選擇做一下5折的交叉驗證的預測，這樣就相當于每個模型將所有數據預測了一遍，舉個例子，最終每一個訓練數據會被轉換為[1,1,1,1,0]形狀，維度為5的向量。
• 將第一層5個基模型的輸出預測向量[1,1,1,1,0]，作為第二層模型model_6的特征做訓練，
• 做test時，直接將test的數據喂給之前第一層訓練好的5個基模型，5個模型預測出的至平均后作為第二層模型的輸入。

大家可以簡單的將stacking的第一層模型理解成一個超強的特征轉換層。

總結

以上是生活随笔為你收集整理的深度学习核心技术精讲100篇（十）-机器学习模型融合之Kaggle如何通过Stacking提升模型性能的全部內容，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。