一、内容介绍
-
简单加权融合:
回归(分类概率):算术平均融合(Arithmetic mean),几何平均融合(Geometric mean);
分类:投票(Voting)
综合:排序融合(Rank averaging),log融合 -
stacking/blending:
构建多层模型,并利用预测结果再拟合预测。
-
boosting/bagging(在xgboost,Adaboost,GBDT中已经用到):
多树的提升方法
二、相关工作
- 构造不同的两种类型的特征。
- 使用xgboost和lightgbm两种模型进行融合。
- 根据验证集误差,使用简单的线性融合效果更好。