组装您的第一个集成模型

是时候构建您的第一个集成模型了！上一练习中的 Pokémon 数据集已经加载，并划分为训练集和测试集。

您的任务是使用 sklearn API 实现投票集成技术。请自行实例化各个模型，并将它们作为参数传入，构建您的第一个 voting classifier。

本练习是课程的一部分

Python 中的集成方法

查看课程

练习说明

实例化一个 KNeighborsClassifier，命名为 clf_knn，并将邻居数设为 5（使用 n_neighbors 指定）。
实例化一个 "balanced" 的 LogisticRegression，命名为 clf_lr（使用 class_weight 指定）。
实例化一个 DecisionTreeClassifier，命名为 clf_dt，并设置 min_samples_leaf = 3 和 min_samples_split = 9。
构建一个 VotingClassifier，使用参数 estimators 指定如下由 (str, estimator) 组成的元组列表：'knn'、clf_knn、'lr'、clf_lr、以及 'dt'、clf_dt。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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)

编辑并运行代码