pyensemble：基于scikit-learn的Caruana等人的Ensemble Selection算法的Python实...

pyensemble v0.41 Python中[Caruana等人的合奏选择算法]（ ）的实现，基于 。 从摘要： 我们提出了一种从数千个模型的库中构建合奏的方法。 使用不同的学习算法和参数设置生成模型库。 正向逐步选择用于将整体模型最大化，以使其性能最大化。 集合选择允许将集合优化为性能指标，例如准确性，交叉熵，平均精度或ROC面积。 对七个测试问题和十个指标的实验证明了集成选择的好处。 这是一项正在进行的工作，因此事情可以/可能/会改变。 戴维·兰伯特dcl [at] panix [dot] com 版权所有:copyright:2013 许可证：简单BSD 档案 合奏 包含EnsembleSelectionClassifier对象 EnsembleSelectionClassifier对象尝试实现组合纸中的所有方法，包括内部交叉验证，袋装组合，使用最佳模型进行初始化，在选择之前修剪最差的模型以及通过替换候选模型进行采样。 它使用sqlite作为后备存储，其中包含腌制的未拟合模型，每个内部交叉验证折叠的拟合模型“兄弟姐妹”，每个模型的得分和预测，以及最终合奏的模型ID