我正试图实现一个用于多类预测的堆栈式集合模型。
每个训练例子是一个具有14个特征的向量.总共有12个可能的类.三个基础模型(如下所述)分别摄取一个14维特征向量的训练例子，并输出一个12维的概率向量(1个概率类)。
这三个基础分类模型是从头开始建立的（即没有使用 sklearn 所以我不能简单地使用 sklearn ensemble方法），具体如下。
我想把每个训练实例的基础模型的输出堆叠起来（即堆叠3×12维的概率向量），并把这个3×12的数组作为输入输入到多叉逻辑回归合集模型中，为每个训练实例的最终多类预测输出一个12维的概率向量。
然而，我不确定这是否可以使用 sklearn 多项式回归模型。 根据我的理解。sklearn 模型只能摄取一维特征阵列，而不是二维特征阵列。
有什么建议欢迎提出来。谢谢你。
所以最终的变通方法最终非常简单：将其扁平化。3x12 每个基础模型的向量输出到一个 1x36 特征向量，然后将其输入到集合模型中。
另一种选择是用基础模型预测建立一个张量，然后使用不同类型的合集分类器，即CNN，但这种方法被拒绝了。