如何將存儲在3個數據幀中的3個機器學習模型的結果合並/集合化，並輸出1個數據幀並獲得大多數人同意的結果？

Question

我目前正在參加在線黑客馬拉松。 所有排名靠前的條目都在1％以內。 因此，我決定運行3個不同的模型，而不是運行一個性能最好的模型，即集成學習，在每個模型上調整超參數，然后將這三個模型的結果合並以獲得更好的模型。 我將所有三個結果合並到一個數據幀中，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”是我最好的分類器的一列。 它提供約74％的准確度，其他兩個分別提供68％和58％。 在我想要的最終輸出中，如果“ xg_damage_grade”和“ lr_damage_grade”都同意一個值，則最終輸出“ damage_grade”將更改為該值，否則將保持等於“ rf_damage_grade”的輸出。 數據中有超過40萬行，並且每次我重新運行模型時，在2015年初的MBP中都要花一個小時左右。 以下是我編寫的代碼：

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

我該怎么做才能使其更有效率？ sklearn中是否有內置函數可以執行此類操作？

Answer 1

只需使用.loc運行條件邏輯：

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'])