【文件属性】：
文件名称：pyensemble：基于scikit-learn的Caruana等人的Ensemble Selection算法的Python实现
文件大小：15KB
文件格式：ZIP
更新时间：2021-02-03 02:40:20
scikit-learn ensemble ensemble-selection scikit-learnPython
pyensemble v0.41
Python中[Caruana等人的合奏选择算法]（ ）的实现，基于 。
从摘要：
我们提出了一种从数千个模型的库中构建合奏的方法。 使用不同的学习算法和参数设置生成模型库。 正向逐步选择用于将整体模型最大化，以使其性能最大化。 集合选择允许将集合优化为性能指标，例如准确性，交叉熵，平均精度或ROC面积。 对七个测试问题和十个指标的实验证明了集成选择的好处。
这是一项正在进行的工作，因此事情可以/可能/会改变。
戴维·兰伯特dcl [at] panix [dot] com
版权所有:copyright:2013 许可证：简单BSD
档案
合奏
包含EnsembleSelectionClassifier对象
EnsembleSelectionClassifier对象尝试实现组合纸中的所有方法，包括内部交叉验证，袋装组合，使用最佳模型进行初始化，在选择之前修剪最差的模型以及通过替换候选模型进行采样。
它使用sqlite作为后备存储，其中包含腌制的未拟合模型，每个内部交叉验证折叠的拟合模型“兄弟姐妹”，每个模型的得分和预测，以及最终合奏的模型ID
【文件预览】：
pyensemble-master
----ensemble.py(23KB)
----ensemble_predict.py(2KB)
----LICENSE(1KB)
----ensemble_train.py(9KB)
----model_library.py(5KB)
----.gitignore(303B)
----README.md(6KB)