[英]Multinomial logistic regression for stacked ensemble learning with 2d input into regression
我正在尝试实现一个堆叠集成 model 用于多类预测。
每个训练示例都是一个具有 14 个特征的向量。 共有 12 个可能的类。 三个基本模型(如下所述)分别摄取一个 14 维特征向量训练示例和 output 一个 12 维概率向量(1 个概率/类)。
三个基本分类模型是从头开始构建的(即不是使用sklearn
,所以我不能简单地使用sklearn
集成方法),如下所示:
我想为每个训练示例堆叠来自每个训练示例的基本模型的输出(即堆叠 3 x 12-d 概率向量),并将这个 3x12 数组作为输入提供给多项逻辑回归集合 model 到 output a 12-每个训练示例的最终多类预测的概率维向量。
但是,我不确定是否可以使用sklearn
多项式回归 model。 据我了解, sklearn
model 只能摄取一维特征数组,而不是二维特征数组。
任何的建议都受欢迎。 谢谢你。
因此最终的解决方法非常简单:将每个基础 model 的3x12
向量输出展平为1x36
特征向量,然后将其输入到集成 model 中。
另一种选择是从基础 model 预测中构建张量,然后使用不同类型的集成分类器,即 CNN,但该方法被拒绝。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.