交叉验证的叠加神经网络

Question

我试图为一个ML问题实现堆叠模型，并且很难计算出交叉验证策略。到目前为止，我已经使用了10倍交叉验证我的所有模型，并希望继续使用这种堆叠以及。这是我想出来的但不确定这是否有意义，

1. 每次迭代10倍的简历，你将有9倍的训练(训练数据集)和1倍的测试(测试数据集)。
2. 将训练数据集分为F1、F2和F3三部分。
3. 在F1上对基本分类器进行训练，使用F2进行早期停止，并从F3 -> F3的折叠预测中退出(F3‘是基分类器在F3上所做的一组预测)
4. 在F2上对基本分类器进行训练，使用F3进行早期停止，并从F1 -> F1的折叠预测中退出
5. 在F3上对基本分类器进行训练，使用F1进行早期停止，并从F2 -> F2的折叠预测中退出
6. 在(F1‘+ F2’+ F3')上训练元分类器，在任意两个折叠上训练基分类器，并使用剩余折叠进行早期停止。
7. 在测试数据集中验证元分类器

对10折简历中的每一次重复这些步骤。

Answer 1

在下面可以找到这里的图表中，展示了训练堆叠模型的一般方法：

这些步骤是：

给定T一组mxp形状的火车

1. 将T划分为k褶皱
2. 拟合分类器M_1，M_2，.，M_n on k-1，预测折叠k
3. 将M分类器的预测保存在折叠k上(步骤2的预测)
4. 重复步骤2和3次k

在这些步骤之后，您将得到一个数据集( D of After mxn )。

1. 基于\Phi的模型D (meta模型)的训练和对T上的M分类器的再训练

然后，您可以使用\Phi对未见数据进行预测。

希望能帮上忙！