python - 我可以使用模型的 sklearn predict_proba(例如 LogisticRegression)作为另一个模型的特征(例如 RandomForestClassifier)吗?
问题描述
我正在尝试改进我的分类模型,在 LogisticRegression 中使用 statsmodel 我注意到一些没有通过 t 测试并且在我使用此模型时没有太多影响的特征在我更改模型时非常重要,例如我查看 RandomForestClassifier 的 feature_importances,更重要的特征不影响 LogisticRegression。
考虑到这一点,我想在没有此功能的情况下使用 LogisticRegression 并使用 predict_proba 来选择概率,然后我使用 RandomForest 创建另一个模型,但现在使用所有功能并包括logisticRegressor概率。或者我可以选择许多模型的所有概率并将它们用作另一个模型的特征。这有什么意义吗?我不知道我是否插入了任何偏见这样做以及为什么。
解决方案
我发现我正在做的是堆叠,但我没有使用另一个模型的响应作为特征,而是使用为 1 的概率(predict_proba)。
推荐阅读
- java - Java Socket 消耗 100% CPU
- swiftui - 如何使用 SwiftUI 中的图像修复 NavigationView 列表行中增加的高度"
- tinymce - TINYMCE 只读影响打印按钮
- unix - Unix 查找包含超过 2 个文件的目录
- python - Python - 基于 json 输入构建函数
- express - 为 iFrame 使用 Cloudfront URL
- java - 如何在 JTextField 中多次捕获用户输入
- xml - SSIS 脚本任务 - 如何在项目参数中存储 xml 内容并在脚本任务中引用它
- ruby-on-rails - 从 tempfile .xlsx 读取和获取内容
- go - 如何使用 kubernetes go-client 获取与 kubectl 相同的 Pod 状态信息