組裝你的第一個集成模型

現在來建立你的第一個集成模型！上一題的 Pokémon 資料集已經載入，並分割成訓練集與測試集。

你的任務是使用 sklearn API 來運用投票式集成方法。請自行實例化各個模型，並將它們當作參數傳入，來建立你的第一個「voting classifier」。你可以參考此連結：voting classifier。

本練習屬於課程

Python 的 Ensemble 方法

檢視課程

練習說明

建立一個 KNeighborsClassifier，命名為 clf_knn，並設定 5 個鄰居（使用 n_neighbors 指定）。
建立一個類別權重為 "balanced" 的 LogisticRegression，命名為 clf_lr（使用 class_weight 指定）。
建立一個 DecisionTreeClassifier，命名為 clf_dt，並設定 min_samples_leaf = 3 與 min_samples_split = 9。
使用參數 estimators 建立 VotingClassifier，其內容為下列由（str, estimator）組成的元組清單：'knn', clf_knn, 'lr', clf_lr, 以及 'dt', clf_dt。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Instantiate the individual models
clf_knn = ____
clf_lr = ____
clf_dt = ____(____, ____, random_state=500)

# Create and fit the voting classifier
clf_vote = ____(
    estimators=[('____', ____), ('____', ____), ('____', ____)]
)
clf_vote.fit(X_train, y_train)

編輯並執行程式碼