如何在PyCaret中用blend_models/stack_models堆叠/混合调优后的回归模型？

使用blend_models混合调优后的模型 #

只需将已调优的模型打包成列表，直接传入blend_models即可，同时可以指定和调优时一致的优化目标（比如这里的mae）：

# 把三个调优后的模型存入列表
tuned_models = [tuned_knn2, tuned_rf2, tuned_ex2]

# 执行模型混合
blender = blend_models(tuned_models, optimize='mae')

你还可以根据需求调整method（混合方法，默认是soft）、weights（模型权重）等参数，进一步优化混合效果。

使用stack_models堆叠调优后的模型 #

堆叠模型的操作逻辑类似，同样先将调优后的模型放入列表，再传入stack_models：

# 把三个调优后的模型存入列表
tuned_models = [tuned_knn2, tuned_rf2, tuned_ex2]

# 执行模型堆叠，默认用线性回归作为元模型
stacker = stack_models(tuned_models, optimize='mae')

# 若需要自定义元模型，例如用随机森林作为元模型：
# from pycaret.regression import create_model
# meta_rf = create_model('rf')
# stacker = stack_models(tuned_models, meta_model=meta_rf, optimize='mae')

堆叠模型会先让所有基模型（你的三个调优模型）生成预测结果，再将这些结果作为输入训练元模型，最终输出预测值。

注意事项 #

确保所有调优后的模型都是在同一个PyCaret实验环境中创建的（即基于同一次setup()初始化的实验），避免因数据预处理不一致导致的错误。

内容的提问来源于stack exchange，提问作者The Great