客户贷款逾期预测[7] - 模型融合

任务

        用你目前评分最高的模型作为基准模型，和其他模型进行stacking融合，得到最终模型及评分。
 

实现

#简单调包实现
from mlxtend.classifier import StackingCVClassifier, StackingClassifier
clf_stacking = StackingClassifier(classifiers=[svm,dtc,xgbc,lgbc],meta_classifier=lr,use_probas=True,verbose=3)
clf_stacking.fit(X_std_train,y_train)

       使用之前模型评估的函数对融合后的模型评分

model_metrics(clf_stacking,X_std_train,X_std_test,y_train,y_test)

       从测试集的f1 score来看，相比于单模型评分提高了6%，但是分数也不高，只有0.5439.

参考

      stacking原理及python实现

      集成学习中的stacking及python实现