Объединение двух классификационных моделей

Question

Объединение двух классификационных моделей

Я новичок в машинном обучении, я пометил данные 0 для нормального и 1 для атаки. Идея такая:

Я хочу построить модель, которая применяет DT на первом уровне. Выходной сигнал DT будет либо нормальным, либо атакующим. Во-первых, если данные классифицируются как атака со стороны DT, мы предупреждаем. Во-вторых, если данные классифицируются как нормальные, мы берем нормальные данные и передаем их второй модели (SVM), чтобы дважды проверить, нормальные или атакующие.

Я читал об ансамблевом обучении, но большинство этих методов комбинируют модели и принимают среднее значение или взвешивание. Есть идеи, как мы можем это реализовать? Спасибо

-3

python machine-learning deep-learning classification one-class-classification

Источник

user11291039 08 фев '20 в 10:20

1 ответ

Другие вопросы по тегам python machine-learning deep-learning classification one-class-classification

user9937906 08 фев '20 в 10:32 2020-02-08 10:32 · Answer 1 · 2020-02-08 10:32

Вы определили правило для объединения двух моделей, но почему бы вам не позволить модели изучить это правило?

Вы можете обучать как DT, так и SVM на всех данных. Затем возьмите результат обоих (вероятность нормального) и передайте его другой модели (например, DT), которая предскажет окончательный прогноз.

Таким образом, последняя модель (которая называется супер-моделью) может узнать, является ли правильный способ комбинирования моделей средним / взвешенным / максимальным / минимальным или вашим правилом...

Я надеюсь, что это помогает