如何将存储在3个数据帧中的3个机器学习模型的结果合并/集合化，并输出1个数据帧并获得大多数人同意的结果？

Question

我目前正在参加在线黑客马拉松。 所有排名靠前的条目都在1％以内。 因此，我决定运行3个不同的模型，而不是运行一个性能最好的模型，即集成学习，在每个模型上调整超参数，然后将这三个模型的结果合并以获得更好的模型。 我将所有三个结果合并到一个数据帧中，它的df.head（）如下所示：

index | building_id | rf_damage_grade | xg_damage_grade | lr_damage_grade   | damage_grade

0   a3380c4f75  Grade 4 Grade 2 Grade 3 Grade 4

1   a338a4e653  Grade 5 Grade 5 Grade 5 Grade 5

2   a338a4e6b7  Grade 5 Grade 5 Grade 5 Grade 5

3   a33a6eaa3a  Grade 3 Grade 2 Grade 4 Grade 3

4   a33b073ff6  Grade 5 Grade 5 Grade 5 Grade 5

因此，“ rf_damage_grade”是我最好的分类器的一列。 它提供约74％的准确度，其他两个分别提供68％和58％。 在我想要的最终输出中，如果“ xg_damage_grade”和“ lr_damage_grade”都同意一个值，则最终输出“ damage_grade”将更改为该值，否则将保持等于“ rf_damage_grade”的输出。 数据中有超过40万行，并且每次我重新运行模型时，在2015年初的MBP中都要花一个小时左右。 以下是我编写的代码：

for i in range(len(final)):
    if final.iloc[i,2]==final.iloc[i,3]:
        final.iloc[i,4]=final.iloc[i,2]
        if final.iloc[i,3]!=final.iloc[i,1]:
            count+=1
    else:
        continue

我该怎么做才能使其更有效率？ sklearn中是否有内置函数可以执行此类操作？

Answer 1

只需使用.loc运行条件逻辑：

df.loc[df['xg_damage_grade'] == df['lr_damage_grade'], 'damage_grade'] = df['xg_damage_grade']
df.loc[df['xg_damage_grade'] != df['lr_damage_grade'], 'damage_grade'] = df['rf_damage_grade']

或使用numpy的where ：

df['damage_grade'] = np.where(df['xg_damage_grade'] == df['lr_damage_grade'],
                              df['xg_damage_grade']
                              df['rf_damage_grade'])