如何使用两个不同特性的模型的集成学习作为输入？

Question

我有一个假新闻检测的问题，它预测二进制标签“1”和“0”，通过矢量化的'tweet‘列，我使用三种不同的模型来检测，但我想使用集成方法来提高准确性，但他们使用不同的向量。

I有3个KNN模型，第一个和第二个KNN模型使用TF将'tweet‘列矢量化。

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()

用于第三种模型，我使用fastText进行句子矢量化

%%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']))

缩放后的

.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)

现在我想把这三种模型结合起来，我想用集成方法来给我和VotingClassifier一样的多数，但是我不知道如何处理不同的输入(TF-

& fastText)，还有其他的方法吗？

Answer 1

您可以创建一个自定义MyVotingClassifier，它采用一个合适的模型，而不是一个尚未经过训练的模型实例。在VotingClassifier中，sklearn只将未匹配的分类器作为输入，并对它们进行训练，然后对预测结果进行投票。你可以创造出这样的东西。下面的函数可能不是确切的函数，但为了您的目的，您可以像下面这样做类似的功能。

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