他们的任何sklearn模块是否像用于回归的投票分类器？
Is their any sklearn module like voting classifier for regression?
我曾经像下面这样使用 VotingClassifier（来自 sklearn）。现在我想找到回归模型的集合。
model= VotingClassifier(estimators=[('svmc', best_SVMC), ('rfc', best_RFC), ('xgbc', best_XGBC),('mlpc', best_MLPC)], voting='soft', n_jobs=2)
你能推荐用于回归的集成模型吗？
注意：
svmc = SVC()
rfc = RandomforestClassifier()
xgbc = XGboostClassifier()
mplc = MLPClassifier()
我找到路了。有人在 Kaggle 中回答。
解决方案：
简单地进行预测并取其平均值。
https://scikit-learn.org/stable/modules/ensemble.html#voting-classifier
对于class化有两种方式：
硬投票 - 大多数模型预测的 class 被选中；
软投票 - 每个模型预测概率，classes 具有最高
选择概率。
我曾经像下面这样使用 VotingClassifier（来自 sklearn）。现在我想找到回归模型的集合。
model= VotingClassifier(estimators=[('svmc', best_SVMC), ('rfc', best_RFC), ('xgbc', best_XGBC),('mlpc', best_MLPC)], voting='soft', n_jobs=2)
你能推荐用于回归的集成模型吗？
注意：
svmc = SVC()
rfc = RandomforestClassifier()
xgbc = XGboostClassifier()
mplc = MLPClassifier()
我找到路了。有人在 Kaggle 中回答。
解决方案：
简单地进行预测并取其平均值。
https://scikit-learn.org/stable/modules/ensemble.html#voting-classifier
对于class化有两种方式：
硬投票 - 大多数模型预测的 class 被选中；
软投票 - 每个模型预测概率，classes 具有最高 选择概率。