問題タブ [ensemble-learning]

主な目的は、 CNNのような深層学習の分類方法を Python のアンサンブルに個体として追加することです。
次のコードは正常に動作します。

しかし、エラー：

実行すると起動しeclf1=eclf1.predict(XTest)ます。

念のため、 はトレーニング用の関数と次の関数でCNN構成されます。_fit_

トレーニングデータセットで、クラスラベルの大部分が 1 (他のクラスラベルは 0) である入力テストデータセットを処理しClass Imbalance Problemて実行する必要があります。binary-classification

たとえば、次はトレーニング データの一部です。

最後の列はclass-label-0または1です。実際のデータセットは10:1、クラスの比率によって非常に歪んでいます。つまり、約 700 のサンプルの が 0class labelであるのに対し、残りの 6800 のサンプルは が 1class labelです。

上記は、指定されたデータセット内のすべてのサンプルのほんの一部ですが、実際のデータセットには、ほぼすべての90%サンプルが非常によく似ています。class-label1class-label0

この種のデータセットを処理するのに最適な分類器はどれですか?

パラメータlogistic-regressionをsvm_ class-weight_ "balanced"_

これは、Iris データセットを使用した、私の問題の簡単な例です。機能の重要度がどのように計算されるか、および を使用して推定量の森を視覚化するときにこれがどのように表示されるかを理解しようとすると、私は困惑しexport_graphvizます。これが私のコードです：

フォレストには深さ 1 の 2 本の木が含まれているため、分類子のパフォーマンスは低くなります (スコアは 0.68)。 とにかく、これはここでは問題になりません。

機能の重要度は次のように取得されます。

出力は次のとおりです。

次のコードを使用して構築されたツリーの構造を表示すると、次のようになります。

この2つの図を取得します

• ツリー #0 のエクスポート:

• ツリー #1 のエクスポート:

図に示すように、どのように重要度= 1sepallengthを持つことができるのか理解できませんが、両方のツリーでノード分割に使用されません (のみが使用されます)。petallength

私が正しく理解している場合、バギングは、トレーニング データ セットのランダムなサブセットで作成された複数のモデルの平均 (または最も可能性の高い) 結果に基づいて予測を行うことになっています。ただし、scikit-learn の BaggingClassifier ( http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.BaggingClassifier.html ) では、ランダムなサブセットのサイズを設定する方法がないようです。

パッケージは各ランダムサブセットのサイズをどのように決定しますか?

以下は再現可能な例です。基本的に私がやろうとしているのは、5 つの代入データセットを作成し、キャレットの train 関数を使用して各代入データセットに SVM を適用し、caretEnsemble を使用して結果のトレーニング モデルをアンサンブルすることです。最後に、アンサンブル モデルを使用して各テスト セットを予測しています。

ただし、このエラーが発生します

check_bestpreds_obs(modelLibrary) のエラー:
各コンポーネント モデルの観測値が同じではありません。同じ Y 変数でモデルを再トレーニングしてください

とにかく、さまざまなトレーニングモデルをアンサンブルするのに役立つものはありますか?

どんな助けでも本当に感謝しています。