自助聚合（bagging）

在上一個課程中，你已經初步接觸分類模型，並在經過特徵工程的資料上套用了邏輯斯迴歸。在機器學習面試中，瞭解集成模型相當有幫助，因為它們能將弱學習器組合成強學習器，以提升模型的準確率。

在這個練習中，你將從套用 bagging 分類器開始。它使用可重複抽樣的取樣技巧來維持隨機性並降低過度擬合。你會使用在影片練習中看過的 sklearn.ensemble 模組裡的函式。

所有相關套件都已為你匯入： 將 pandas 匯入為 pd，從 sklearn.model_selection 匯入 train_test_split，從 sklearn.metrics 匯入 accuracy_score，從 sklearn.linear_model 匯入 LogisticRegression，以及從 sklearn.ensemble 匯入 BaggingClassifier 和 AdaBoostClassifier。

loan_data 的 DataFrame 已分割為 X_train、X_test、y_train 與 y_test。