python - 如何优化两个 scikit-learn 模型的总和
问题描述
假设我有一些特征向量 [x1, x2] 映射到标量属性 y。我可以使用 scikit-learn 来拟合给定的模型并进行预测。所以我假设
f([x1, x2]) —> y
然后我可以调用 model.fit( X , Y )、model.predict( X , Y ) 等等。
我还可以分离特征向量的分量,并假设两个单独的函数是相加的
f(x1) + f(x2) —> y
所以现在我有两个机器学习模型,它们对不同的特征进行预测,我假设它们的总和映射到我的属性。一起优化两个模型的最佳方法是什么?
解决方案
推荐阅读
- r - R plotly禁用默认悬停文本并仅显示自定义文本
- reactjs - 如何在 React js 中导入 100 个或更多图像?
- next.js - Nextjs 和 NextAuth:如何结合 Credentials 和 Google Providers?
- sql - SQLite 选择列中具有 NULL 的第一行并将该列更改为不同的值
- django - Django如何在视图中不使用froms时获取html字段的入站数据?
- django - 如何创建列数和行数未知的表单?
- excel - 如何计算每月现金流的年增长率
- ios - SwiftUI Core Data ObjectWillChange 与实体中的计算变量
- linux - 在 PC 上运行 Lando 以解决 Drupal Environment Composer 错误
- laravel - Laravel 的访问器仅在请求时调用