二维输入到回归的叠加集成学习多项式logistic回归

Question

我正在尝试实现一个用于多类预测的叠加系综模型

每个训练示例是一个具有14个特征的向量。 总共有12个可能的类。 三个基本模型（如下所述）各自摄取14维特征向量训练示例并输出12维概率向量（1个概率/类）

三个基本分类模型是从头开始构建的（即，不是使用sklearn构建的，因此我不能简单地使用sklearn集成方法），如下所示：

• 贝叶斯网：为每个14维训练示例输出12维概率向量（1个概率/类）
• 其他图形模型：为每个14维训练示例输出12维概率向量（1个概率/类）
• 度量学习模型：为每个14维训练示例输出12维概率向量（1个概率/类）

我想对每个训练示例的基础模型输出进行叠加（即叠加3 x 12-d概率向量）对于每个训练示例，将此3x12数组作为输入输入输入到多项式逻辑回归集成模型，以输出每个训练示例最终多类预测的12维概率向量

但是，我不确定使用sklearn多项式回归模型是否可行。根据我的理解，sklearn模型只能接受一维特征数组，而不是二维特征数组

欢迎提供任何建议。多谢各位

Answer 1

因此，最终的解决方法非常简单：将每个基本模型的3x12向量输出平坦化为1x36特征向量，然后将其输入集成模型

另一种选择是根据基本模型预测构建张量，然后使用不同类型的集成分类器，即CNN，但该方法被拒绝