本文介绍了Stacked泛化这一先进的模型集成技术。该方法通过将训练数据分为两部分，先利用一部分数据训练多个基础模型，然后用另一部分数据评估这些模型的表现，并将评估结果作为输入来训练一个更高级别的模型，以此实现对多个模型的有效整合。
参考：http://www.cnblogs.com/zhizhan/p/5051881.html
stacked 产生方法是一种截然不同的组合多个模型的方法，它讲的是组合学习器的概念，但是使用的相对于bagging和boosting较少，它不像bagging和boosting，而是组合不同的模型，具体的过程如下：
1.划分训练数据集为两个不相交的集合。
2. 在第一个集合上训练多个学习器。
3. 在第二个集合上测试这几个学习器4. 把第三步得到的预测结果作为输入，把正确的回应作为输出，训练一个高层学习器，
这里需要注意的是1-3步的效果与cross-validation，我们不是用赢家通吃，而是使用非线性组合学习器的方法
扫一扫
3981
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
