แหล่งข้อมูลสำหรับการเรียนรู้วิธีการใช้วิธีการทั้งมวล

ฉันเข้าใจในทางทฤษฎี (เรียงลำดับ) ว่าพวกเขาจะทำงานอย่างไร แต่ฉันไม่แน่ใจว่าจะดำเนินการอย่างไรโดยใช้วิธีการรวมกลุ่ม (เช่นการออกเสียงลงคะแนนการผสมน้ำหนัก ฯลฯ )

• แหล่งข้อมูลที่ดีสำหรับการใช้วิธีการทั้งมวลคืออะไร
• มีทรัพยากรเฉพาะเกี่ยวกับการนำไปใช้ใน Python หรือไม่?

แก้ไข:

เพื่อให้ชัดเจนขึ้นจากการอภิปรายในความคิดเห็นฉันไม่ได้มองหาอัลกอริทึมทั้งมวลเช่น randomForest เป็นต้น แต่ฉันสงสัยว่าคุณจะรวมการจำแนกประเภทที่แตกต่างจากอัลกอริทึมที่แตกต่างกันได้อย่างไร

ตัวอย่างเช่นสมมติว่ามีคนใช้การถดถอยแบบลอจิสติก SVM และวิธีการอื่นในการทำนายระดับการสังเกตการณ์ เป็นวิธีที่ดีที่สุดในการไปเกี่ยวกับการประเมินที่ดีที่สุดของชั้นเรียนตามการคาดการณ์เหล่านี้คืออะไร?

จุดเริ่มต้นที่ดีคือการรับภาพรวมของการเรียนรู้ทั้งมวล โดยเฉพาะอย่างยิ่งที่คุณจะต้องการที่จะดูที่การส่งเสริมและการบรรจุถุง อีกวิธีหนึ่งคือการที่ใช้โดย "วง" ทีมงานใน Netflix รางวัลจะเรียกว่าทั้ง"ผสม" หรือคุณลักษณะซ้อน

จากนั้นเพียงค้นหาห้องสมุดที่นำมาใช้และทำงานจากที่นั่น googling ที่รวดเร็วเปลี่ยนเป็นscikitและorangeซึ่งทั้งสองอย่างนี้ควรมีการใส่ถุงและเพิ่ม (และเป็น Python ทั้งคู่)

หากนอกเหนือจากการใช้วิธีการรวมกลุ่มคุณต้องการเรียนรู้ทฤษฎีสักหน่อยฉันคิดว่าบทความนี้น่าจะเป็นจุดกระโดดที่ดี

ไชโย

'วิธีการทั้งมวลในการทำเหมืองข้อมูล: การปรับปรุงความแม่นยำด้วยการรวมการคาดการณ์' Seni และผู้อาวุโส - การอ้างอิงที่ดีเยี่ยมเกี่ยวกับทฤษฎีวงดนตรีในทางปฏิบัติและการนำไปใช้งาน แต่รหัสประกอบขึ้นอยู่กับ R

'การเรียนรู้ของเครื่อง: มุมมองของอัลกอริทึม,' S. Marsland - ข้อความที่เป็นประโยชน์จาก Python ที่ยอดเยี่ยม แต่ไม่ได้ทุ่มเทให้กับแนวคิดวงดนตรีล้วนๆเป็นข้อมูลอ้างอิงครั้งแรก

Stumpy Joe Pete ตอบสนองได้อย่างสมบูรณ์แบบ แต่เนื่องจากคุณพูดถึงการใช้ Python ฉันต้องการพูดถึงโครงการชงจาก Universidade Federal de Pernambuco

https://github.com/viisar/brew

from brew.base import Ensemble
from brew.base import EnsembleClassifier
from brew.combination import import Combiner

# create your Ensemble
clfs = your_list_of_classifiers # [clf1, clf2]
ens = Ensemble(classifiers = clfs)

# create your Combiner
# the rules can be 'majority_vote', 'max', 'min', 'mean' or 'median'
comb = Combiner(rule='majority_vote')

# now create your ensemble classifier
ensemble_clf = EnsembleClassifier(ensemble=ens, combiner=comb)
ensemble_clf.predict(X)

เมื่อมาถึงจุดนี้พวกเขามีทั้งการเลือกการสร้างการผสมผสานการตัดและการเลือกแบบไดนามิก

ข้อ จำกัด : การจัดประเภทเท่านั้น; ไม่มีการสแต็กในเวอร์ชันสาธารณะปัจจุบัน เอกสารไม่มาก

ซัลฟอร์ดซิสเต็มมีแพ็คเกจซอฟแวร์ที่เรียกว่าป่าสุ่มซึ่งใช้สำหรับการจัดหมวดหมู่และการถดถอยต้นไม้ตระการตา ฉันไม่มีแพ็กเกจ R ฟรีให้ ฉันคิดว่าพวกเขามีคู่มือผู้ใช้ที่จะอธิบายการใช้งานของพวกเขา โดยการเปรียบเทียบคุณอาจคิดได้ว่าจะทำอย่างไรกับวิธีอื่น ๆ

ฉันพบบทช่วยสอนนี้ซึ่งมีประโยชน์มาก ไม่ตอบทุกชิ้น แต่ฉันคิดว่ามันเป็นการเริ่มต้นที่ดีในการอภิปราย: http://vikparuchuri.com/blog/intro-to-ensemble-learning-in-r/

คู่มือตระการตา Scikit-เรียนรู้ให้ห่อและส่งเสริม meta-classifiers และ regressors นอกจากนี้mlxtendห้องสมุดให้การใช้งานซ้อน meta-ลักษณนามและ regressors