Объединение двух классификационных моделей

Question

Я новичок в машинном обучении, я пометил данные 0 для нормального и 1 для атаки. Идея такова:

Я хочу построить модель, которая применяет DT на первом уровне. Выход DT будет либо нормальным, либо атакующим. Во-первых, если данные классифицированы как атака DT, мы предупреждаем, во-вторых, если данные классифицированы как нормальные, мы берем нормальные данные и передаем их во вторую модель (SVM), чтобы дважды проверить, нормальны ли они или атакуют.

Я читал об ансамблевом обучении, но большинство этих методов объединяют модели и берут среднее или взвешивание. Есть идеи, как мы можем это реализовать? Спасибо

Answer 1

Вы определили правило для объединения двух моделей, но почему вы не позволяете модели изучать это правило?

Вы можете обучать как DT, так и SVM для всех данных. Затем возьмите выходные данные обоих (вероятность нормального) и передайте их другой модели (например, DT), которая будет предсказывать окончательный прогноз.

Таким образом, последняя модель (которая называется супермоделью) может узнать, является ли правильный способ комбинирования моделей средним / взвешиванием / макс / мин или вашим правилом ...

Надеюсь, это поможет 100