[英]Multinomial logistic regression for stacked ensemble learning with 2d input into regression
我正在嘗試實現一個堆疊集成 model 用於多類預測。
每個訓練示例都是一個具有 14 個特征的向量。 共有 12 個可能的類。 三個基本模型(如下所述)分別攝取一個 14 維特征向量訓練示例和 output 一個 12 維概率向量(1 個概率/類)。
三個基本分類模型是從頭開始構建的(即不是使用sklearn
,所以我不能簡單地使用sklearn
集成方法),如下所示:
我想為每個訓練示例堆疊來自每個訓練示例的基本模型的輸出(即堆疊 3 x 12-d 概率向量),並將這個 3x12 數組作為輸入提供給多項邏輯回歸集合 model 到 output a 12-每個訓練示例的最終多類預測的概率維向量。
但是,我不確定是否可以使用sklearn
多項式回歸 model。 據我了解, sklearn
model 只能攝取一維特征數組,而不是二維特征數組。
任何的建議都受歡迎。 謝謝你。
因此最終的解決方法非常簡單:將每個基礎 model 的3x12
向量輸出展平為1x36
特征向量,然后將其輸入到集成 model 中。
另一種選擇是從基礎 model 預測中構建張量,然后使用不同類型的集成分類器,即 CNN,但該方法被拒絕。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.