重み付きアンサンブルとは？
重み付きアンサンブルは、複数のモデルの予測結果に対して異なる重みを割り当て、それらを組み合わせる手法です。各モデルに与えられる重みは、そのモデルの性能や信頼性に基づいて決定されます。この方法は、アンサンブル全体の性能を向上させるのに寄与します。
サンプルコード
ここでは、kaggleでnotebookを提出するときに便利なデータフレームでのアンサンブルサンプルコードを提供します。
import pandas as pd def calculate_weighted_average(*dfs, weights=None): # dfsが空でないことを確認 if not dfs: raise ValueError("No DataFrames provided.") # カラムリストを取得 columns = dfs[0].columns # 重みが提供されているか確認 if weights is None: weights = [1] * len(dfs) elif len(weights) != len(dfs): raise ValueError("Number of weights must match the number of DataFrames.") # それぞれのカラムごとに重みつき平均を計算 weighted_avg_df = pd.DataFrame({'ID': dfs[0]['ID']}) for column in columns: weighted_avg_df[column] = sum(df[column] * weight for df, weight in zip(dfs, weights)) / sum(weights) return weighted_avg_df # 三つのダミーデータを作成 df1 = pd.DataFrame({'ID': [1, 2, 3], 'seizure_vote': [10, 20, 30], 'lpd_vote': [15, 25, 35], 'gpd_vote': [12, 22, 32], 'lrda_vote': [18, 28, 38], 'grda_vote': [14, 24, 34], 'other_vote': [16, 26, 36]}) df2 = pd.DataFrame({'ID': [1, 2, 3], 'seizure_vote': [12, 22, 32], 'lpd_vote': [16, 26, 36], 'gpd_vote': [14, 24, 34], 'lrda_vote': [20, 30, 40], 'grda_vote': [18, 28, 38], 'other_vote': [22, 32, 42]}) df3 = pd.DataFrame({'ID': [1, 2, 3], 'seizure_vote': [14, 24, 34], 'lpd_vote': [18, 28, 38], 'gpd_vote': [16, 26, 36], 'lrda_vote': [22, 32, 42], 'grda_vote': [20, 30, 40], 'other_vote': [24, 34, 44]}) # 重みのリストを作成 weights = [0.3, 0.5, 0.2] # 関数を呼び出して重み付き平均を計算 result_df = calculate_weighted_average(df1, df2, df3, weights=weights) # 結果を表示 print(result_df)
