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

举报
地上一只鹅~ 发表于 2018/12/23 20:21:13 2018/12/23
【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 )

result.png

【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

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。