Встречается на собеседованиях • сегодня

В чём сходство между блендингом и случайным лесом

Оба метода используют ансамбли моделей для улучшения предсказательной способности.

  • Случайный лес строит множество деревьев (ансамбль), каждое из которых обучается на бутстрапированной выборке и случайном подмножестве признаков. Итоговый прогноз — среднее (регрессия) или голосование (классификация).
  • Блендинг тоже объединяет несколько моделей, но их прогнозы агрегируются через метамодель (например, линейную регрессию или другое дерево).

Пример блендинга:

python
from sklearn.ensemble import RandomForestClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split

# Обучаем базовые модели
X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.5)
model1 = RandomForestClassifier().fit(X_train, y_train)
model2 = LogisticRegression().fit(X_train, y_train)

# Получаем предсказания для метамодели
val_preds1 = model1.predict_proba(X_val)[:, 1]
val_preds2 = model2.predict_proba(X_val)[:, 1]
blend_X = np.column_stack([val_preds1, val_preds2])

# Обучаем метамодель
blender = LogisticRegression().fit(blend_X, y_val)
Sophi
Софи собрала все вопросы. Тренируйся и получай
офферы быстрее!
Попробовать бесплатноArrow

Следующий вопрос

Это единственный вопрос по вашему фильтру

как отвечать на вопрос
пример собеседования
фреймворки на собеседовании
типичные вопросы junior
интервью вопросы и ответы