如何集成两个经过不同训练的神经网络？

Question

我创建了两个不同的神经网络，它们都可以预测一支球队是否会 WIN/LOSE 一场曲棍球比赛。第一个神经网络已经接受了来自已玩游戏的 82 个特征的训练。另一个已经在所有已玩游戏的玩家统计数据中接受了 115 个特征的训练。

两组中的一些特征相同，但重要指标不同或表示不同 (aggregated/individual)

有没有办法集成这些神经网络，这样就可以只给它提供一个只包含两个这样的特征的集合。

h_team1   h_team_2    h_team3    a_team1   a_team2    a_team3     WIN/LOSE
   1         0           0          1          0         0
   1         0           0          0          1         0
   0         1           0          0          0         1

而新神经网络的任务将是对主队赢得比赛的概率进行分类。

如果我真的不喜欢我正在尝试做的事情，请纠正我。

我添加了一张图片来帮助形象化我所描述的问题。

https://imgur.com/a/ZKnGT8N（箭头指向我要搭建的模型，还没搭建，不知道怎么搭建）

编辑：

示例数据来自 game_DATA-set h=home a=away

h_Won/Lost h_powerPlayGoals h_powerPlayPercentage a_powerPlayGoals a_powerPlayPercentage h_team1    h_team 2     a_team1     a_team2     gameID
   1            2                    0.4                1              0.5                      1          0            1          0      1

示例数据来自 player_DATA-set

Won/Lost   playerID    team1  team2   metric1   opponent1     opponent2    gameID
   1          5678       1       0     10       1              0          1

Answer 1

原则上可以将其输入另一个神经网络以获得新的输出，但从统计学的角度来看，这完全没有意义。您预测您的团队将以 x 的概率获胜，因此其他团队以 1-x 的概率获胜。因此，为什么您需要另一个网络。

通过在最后一层使用 softmax，您的第一个网络的输出基本上是 x 和 1-x，第二个网络的输出基本上是 y 和 1-y。因此，对第三个网络唯一合理的做法是检查 x > y 并根据这两者之间的差值输出概率，但您也可以只用差值而不是 NN 来执行此操作，然后您就不会什么都得学

如何集成两个经过不同训练的神经网络？

How to ensemble two Neural Networks that has been trained differently?

python

neural-network

deep-learning

ensemble-learning