使用相同的CNN架构但使用不同的数据集的训练模型的集成模型

问题描述

我有一个音频数据集，即UrbanSound8K。

第1步：我从上述数据集中提取了音频特征作为频谱图，并将其存储在NumPy数组中。然后，我将这些功能作为输入输入到我的机器学习模型中，以获得大约84％的分类精度。

Step2：我提取了频谱图图像，并将图像和图像标签存储到NumPy数组中。然后，我将NumPy数组传递给我的机器学习模型，以获得大约93％的分类精度。

注意：以上两种情况的机器学习模型都是相同的

Step3：现在，我想将集合模型应用于上述模型，以获得更好的分类精度，因为可以看出，在某些情况下，一种方法的性能较好，而在其他情况下，第二种方法的性能更好。使用集成模型的动机是当我们集成一个或多个模型时，它提高了准确性。

我正在使用下面的代码来获取准确性：

from tensorflow.keras.models import load_model
model1 = load_model("Models/Image_1.h5")

from tensorflow.keras.models import load_model
model2 = load_model("Models/Audio_1.h5")

# Evaluate the model on the test data using `evaluate`
print("Evaluate on Test Data for Image")
results1 = model1.evaluate(X_test1,y_test1,batch_size=32)
print("Test acc:",results1)

# Evaluate the model on the test data using `evaluate`
print("Evaluate on Test Data for Image")
results2 = model2.evaluate(X_test2,y_test2,results2[1])

from sklearn.ensemble import VotingClassifier
#create a dictionary of our models
estimators=[('Image',model1),('Audio',model2)]
#create our voting classifier,inputting our models
ensemble = VotingClassifier(estimators,voting='hard')

#fit model to training data
ensemble.fit(X_train,y_train)
#test our model on the test data
ensemble.score(X_test,y_test)

但我遇到错误

NotImplementedError: Multilabel and multi-output classification is not supported

是否有解决此类问题的方法。我尝试连接对我来说没有任何意义的数据集，因为那时没有使用集成模型，并且我也尝试连接训练集，但是其准确性从84％显着降低到49％。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）