Stacking集成学习挑战天池新人赛【工业蒸汽量预测 】 (4) 次级学习模型构建,并生成预测数据
【摘要】 次级学习模型选用LinearRegression数据处理input_train = [rf_oof_train, gb_oof_train, xgb_oof_train] input_test = [rf_oof_test, gb_oof_test, xgb_oof_test]stacked_train = np.concatenate([f.reshape(-1, 1) for f in ...
次级学习模型选用LinearRegression
数据处理
input_train = [rf_oof_train, gb_oof_train, xgb_oof_train] input_test = [rf_oof_test, gb_oof_test, xgb_oof_test] stacked_train = np.concatenate([f.reshape(-1, 1) for f in input_train], axis=1) stacked_test = np.concatenate([f.reshape(-1, 1) for f in input_test], axis=1)
模型构建
from sklearn.linear_model import LinearRegression final_model = LinearRegression() final_model.fit(stacked_train, train_y) test_prediction = final_model.predict(stacked_test) # 均方差 mean_squared_error(test_y, test_prediction)
0.11534956168711083
生成预测数据
rf_pre_y = rf_model.predict(pre_data_x) gb_pre_y = gb_model.predict(pre_data_x) xgb_pre_y = xgb_model.predict(pre_data_x) stacked_pre_y = np.concatenate([f.reshape(-1, 1) for f in [rf_pre_y, gb_pre_y, xgb_pre_y]], axis=1) final_pre = final_model.predict(stacked_pre_y) # 保存为txt文本上传到天池项目中 np.savetxt('result', final_pre) print(final_pre )
【版权声明】本文为华为云社区用户原创内容,未经允许不得转载,如需转载请自行联系原作者进行授权。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)