如何使用具有不同特征的两个模型的集成学习作为输入？

Question

我有一个假新闻检测问题，它通过向量化“tweet”列来预测二进制标签“1”和“0”，我使用三种不同的模型进行检测，但我想使用集成方法来提高准确性但他们使用不同的vectorezer。

我有 3 个 KNN 模型，第一个和第二个使用 TF-IDF 对“推文”列进行矢量化。

from sklearn.feature_extraction.text import TfidfVectorizer
    vector = TfidfVectorizer(max_features =5000, ngram_range=(1,3))
    X_train = vector.fit_transform(X_train['tweet']).toarray()
    X_test = vector.fit_transform(X_test['tweet']).toarray()

对于第三个模型，我使用 fastText 进行句子向量化

%%time
sent_vec = []
for index, row in X_train.iterrows():
    sent_vec.append(avg_feature_vector(row['tweet']))
%%time
sent_vec1 = []
for index, row in X_test.iterrows():
    sent_vec1.append(avg_feature_vector(row['tweet']))

缩放后...我的第三个模型适合这样的输入

scaler.fit(sent_vec)
scaled_X_train= scaler.transform(sent_vec)
scaled_X_test= scaler.transform(sent_vec1)
.
.
.
knn_model1.fit(scaled_X_train, y_train)

现在我想像这样组合三个模型，我希望 ensemble 方法给我大多数就像VotingClassifier，但我不知道如何处理不同的输入（TF-IDF & fastText) 还有其他方法吗？

Answer 1

您可以创建一个自定义 MyVotingClassifier，它采用拟合模型而不是尚未训练的模型实例。在VotingClassifier 中，sklearn 仅将不合适的分类器作为输入并对其进行训练，然后对预测结果进行投票。你可以创建这样的东西。下面的函数可能不是确切的函数，但您可以根据您的目的制作类似于下面的函数。

from collections import Counter
clf1 = knn_model_1.fit(X1, y)
clf2 = knn_model_2.fit(X2, y)
clf3 = knn_model_3.fit(X3, y)

class MyVotingClassifier:
    def __init__(self, **models):
        self.models = models
    
    def predict(dict_X):
        '''
        dict_X = {'knn_model_1': X1, 'knn_model_2': X2, 'knn_model_3': X3}
        '''
        preds = []
        for model_name in dict_X:
            model = self.models[model_name]
            preds.append(model.predict(dict_X[model_name]))
        preds = list(zip(*preds))
        final_pred = list(map(lambda x: Counter(x).most_common(1)[0][0]))
        return final_pred
ensemble_model = MyVotingClassifier(knn_model_1=clf1, knn_model_2=clf2, knn_model_3=clf3)
ensemble_model.predict({'knn_model_1': X1, 'knn_model_2': X2, 'knn_model_3': X3}) # Input the pre-processed `X`s