组装模型的包装
ensemblizer的Python项目详细描述
扩音器
ensemblizer是一个用于各种集成方法的小软件包
ModelCollection是一种简单的聚合模型的方法,以便它们可以一起训练。在
CatEnsemble使用一个带有附加集成模型的ModelCollection对象(或与一个对象相同的输入)。集成模型将训练ModelCollection的预测概率(或仅预测),并进行单独的预测。该集成方法允许对每个模型的输出采用不同的加权方案,并在训练集合模型时将原始数据与预测值叠加。此外,此集成类允许您在训练集成模型或使用集成模型训练ModelCollection对象ModelCollection对象与集成模型。这允许更有效地调整超参数(尽管训练和调优时间要长得多)。在
超参数可以像任何其他scikit学习型模型一样进行训练。在为集合模型设置参数时,以name\开头的参数将设置集合或集合模型中name模型的超参数(集成模型的默认名称为“ensement”)。以}name开头的参数将更新集合中name模型的权重。这允许使用任何scikit学习调整包,使用所有其他参数来调整集成的加权方案。在
当前版本是v0.04
这套方案目前尚处于初期阶段,但未来的工作仍在计划之中。在
安装
pip install ensemblizer
使用
^{pr2}$未来计划
下一步是建立一个集成回归模型。在
许可证
哈哈
- 项目
标签: