Python 神经网络集成分类器

我有一个经过训练的神经网络，我试图使用

mlxtend.classifier

中的

EnsembleVoteClassifier

对它们的预测进行平均。问题是我的神经网络不共享相同的输入，（我随机执行了特征缩减和特征选择算法，并将结果存储在新的不同变量上，因此我有一些类似于

X_测试算法1

，

X_测试算法2

和

X_测试算法3

和

Y_测试

）

我试图平均权重，但正如我所说，我没有相同的X，我也没有文档中的任何示例。我如何平均我的三个模型的预测值

model1

，

model2

和

model3

eclf = EnsembleVoteClassifier(clfs=[model1, model2, model3], weights=[1,1,1], refit=False)
names = ['NN1', 'NN2', 'NN2', 'Ensemble']

eclf.fit(X_train_algo1, Ytrain) #????

---

如果不可能，那没关系。我只对如何计算硬投票、硬投票和加权投票的公式感兴趣，或者是否有另一个更灵活的库，或者公式的显式表达式可能也有帮助。

为什么需要一个库来实现这一点

只需通过所有神经网络传递相同的示例，并获得预测（逻辑或概率或标签）

• 硬投票选择分类器最常预测的标签

• 软投票，由分类器预测的平均概率，并选择具有最高概率的标签

• 加权投票-上述任何一项都可以加权。只需为每个分类器分配权重，并将它们的预测乘以它们即可。权重通常标准化为

  （0,1]

  范围

原则上，您也可以对logits进行求和，并选择具有最高值的标签

哦，重量平均是不同的技术，要求你有相同的模型，通常是在相同的初始化，但在不同的训练时间步。你可以在