ensemble+average

ensemble+average是一种集成学习方法，它通过对多个模型的预测结果进行平均来提高模型的性能和稳定性。下面是两种ensemble+average的例子：

1. 加权平均集成：

import numpy as np

# 假设有3个模型的预测结果
pred1 = [0.8, 0.7, 0.9]
pred2 = [0.6, 0.5, 0.4]
pred3 = [0.9, 0.8, 0.7]

# 定义权重
weights = [0.4, 0.3, 0.3]

# 对预测结果进行加权平均
ensemble_pred = np.average([pred1, pred2, pred3], axis=0, weights=weights)

print("Ensemble prediction:", ensemble_pred)

2. 简单平均集成：

import numpy as np

# 假设有3个模型的预测结果
pred1 = [0.8, 0.7, 0.9]
pred2 = [0.6, 0.5, 0.4]
pred3 = [0.9, 0.8, 0.7]

# 对预测结果进行简单平均
ensemble_pred = np.mean([pred1, pred2, pred3], axis=0)

print("Ensemble prediction:", ensemble_pred)