七模型加权集成预测触发ValueError形状不匹配广播错误如何解决

错误原因 #

• 权重数组维度匹配错误：你定义的prediction_weights是形状为(1,7)的二维数组，直接遍历的时候取出的weight是形状(7,)的数组，无法和单个模型输出的(624,3)形状的预测结果做广播运算。
• 遍历逻辑错误：zip(prediction_weights, preds)只会迭代1次（因为prediction_weights第一维长度为1），无法实现7个权重和7个模型预测结果的一一配对。
• 加权结果初始化参数存在隐患：你代码里初始化weighted_predictions7时用到的nb_test_samples赋值为1、num_classes赋值为1，和实际的测试样本数624、类别数3不符，容易引发后续形状错误。

解决方法 #

先将权重数组扁平化处理为一维数组，用更稳妥的方式初始化加权结果存储变量，再遍历配对权重和对应模型的预测结果做加权计算，修改后代码如下：

import numpy as np
from sklearn import metrics

# 把权重扁平化得到形状为(7,)的一维数组，每个元素对应一个模型的权重
prediction_weights = np.array([[3.66963025e-01, 1.08053256e-01,1.14617370e-01, 4.10366349e-01,
 6.16391075e-14, 4.37376684e-14, 9.26785075e-18]]).flatten() 

# 直接参考Y_test的形状初始化，避免参数写错导致形状错误
weighted_predictions7 = np.zeros_like(Y_test, dtype='float32')

# 遍历配对单个权重和单个模型的预测结果
for weight, prediction in zip(prediction_weights, preds):
    weighted_predictions7 += weight * prediction    

yPred7 = np.argmax(weighted_predictions7, axis=1)
yTrue = Y_test.argmax(axis=-1)
accuracy = metrics.accuracy_score(yTrue, yPred7) * 100

np.savetxt('weighted_averaging_7_y_pred.csv',
            weighted_predictions7,fmt='%f',
            delimiter = ",")

内容的提问来源于stack exchange，提问作者shiva