【datawhale-集成学习】task13 Stacking集成学习算法

Blending在集成的过程中只会用到validation set的数据，对数据实际上是一个很大的浪费。（stacking就是对这个问题的改进？）

Blending vs. Stacking
Blending 优点：

• 比stacking简单（不用k-fold cross validation来获得stacker feature）
  Blending 缺点
• 使用了很少的数据（划分hold-out作为测试集，并非cv）
• blender可能会过拟合（其实大概率是第一点导致的）
• stacking使用多次的CV会比较稳健

相比于Bagging与Boosting的集成方式，Blending和Stacking的方式更加简单和直观，且效果还很好。

它(Stacking)可以帮你打败当前学术界性能最好的算法
啊真的吗，我要试试，试试就试试

1. 将所有data set分成 training set和testing set（training 10,000行，testing 2,500行）。training的10,000进行5-fold cross validation – 用 8,000 做training，2,000做validation。
2. 每次验证 – 用 8,000 train一个模型，用这个模型对valination的2,000条数据进行验证（得到2,000条数据），对testing进行预测（得到2,500条数据）。重复经过5次交叉检验（得到每次52,000条验证集的结果？？？蛤？？52，500条测试集的预测结果？？？
3. 将validation得到的 520 条预测结果拼接称 100 行长的矩阵 sorry, I’m lost

sklearn没有直接stacking的方法，于是要 pip mlxtend包