一、內容介紹
-
簡單加權融合:
迴歸(分類概率):算術平均融合(Arithmetic mean),幾何平均融合(Geometric mean);
分類:投票(Voting)
綜合:排序融合(Rank averaging),log融合 -
stacking/blending:
構建多層模型,並利用預測結果再擬合預測。
-
boosting/bagging(在xgboost,Adaboost,GBDT中已經用到):
多樹的提升方法
二、相關工作
- 構造不同的兩種類型的特徵。
- 使用xgboost和lightgbm兩種模型進行融合。
- 根據驗證集誤差,使用簡單的線性融合效果更好。