建立 stacking 分類器
現在你要進行接下來兩個步驟。
步驟 3：將預測結果附加到資料集：
這在 StackingClassifier 類別內部會自動處理，但你需要先準備第一層分類器的清單，你已在上一個練習建立過。它們分別為：clf_dt 與 clf_knn。
步驟 4：建立第二層的中介估計器（meta estimator）：
為此你會使用預設的 LogisticRegression。它會將各個基礎估計器的單獨預測作為輸入特徵。
當兩層的估計器都就緒後，你就可以建立堆疊分類器。
本練習屬於課程
Python 的 Ensemble 方法
練習說明
- 準備包含第一層分類器
clf_dt與clf_knn的 tuple 清單（請指定合適的標籤與順序）。 - 建立第二層的中介估計器實例：
LogisticRegression。 - 建立堆疊分類器，傳入：tuple 清單、中介分類器，並設定
stack_method='predict_proba'（使用類別機率）與passthrough = False（僅用預測作為特徵）。
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。
# Prepare the list of tuples with the first-layer classifiers
classifiers = [
____,
____
]
# Instantiate the second-layer meta estimator
clf_meta = ____
# Build the stacking classifier
clf_stack = ____(
____,
____,
____,
____)