エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Pythonでスタッキング学習を実装する【Kaggle】 - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Pythonでスタッキング学習を実装する【Kaggle】 - Qiita
TL;DR 機械学習において単体の予測モデルで精度が頭打ちになった際、よく用いられる手法としてスタッキ... TL;DR 機械学習において単体の予測モデルで精度が頭打ちになった際、よく用いられる手法としてスタッキング学習があります。本記事では、過去のKaggleコンペティションである"Otto Group Product Classification Challenge"を題材にPythonでスタッキングモデルを実装し、マルチクラス分類タスクに挑戦します。 コンペティション概要 商品データから9つのクラスのいずれに分類されるかを予測するマルチ分類タスクです。 train.csvは93個の特徴量と、目的変数である所属クラスのデータが格納されています。test.csvの特徴量から、各商品の所属するクラスを確率で予測することが目的です。評価指標にはMulti-Class Log-Lossが用いられます。 準備 必要なライブラリをインポートします。 import os, sys import dateti