kaggle-hill-climbing - 爬山算法集成
通过贪婪正向选择、CuPy 向量化指标计算及 SciPy 权重优化构建模型集成。
标签
更新于: 2026-09-20能力
典型输入
典型输出
该技能可以做什么
- 加载折外预测数据
- 评估单模型性能
- 执行贪婪正向选择
- 使用 SciPy 优化集成权重
- 生成混合测试集预测
- 记录集成实验结果
输入
- 折外 numpy 预测文件
- 真实目标标签
- 测试集 numpy 预测文件
输出
- ensemble/hill_climb_test_pred.npy 文件
- experiments/hill_climbing.json 文件
要求
- Bash 与 Read 工具权限
- 包含 numpy pandas scipy scikit-learn 的 Python 环境
- 来自至少 3 个模型的折外预测数据