蘑菇：关乎生死的判断
让我们以蘑菇可食性的判别问题为课程收尾。您将尝试使用堆叠（stacking）分类器，看看分数是否能进一步提升。由于 stacking 使用元估计器（第二层分类器）来纠正第一层的预测，部分被误分的样本可能会被修正。这是一个非常重要的问题，因为蘑菇是否可食，关乎生死。
数据集已加载并划分为训练集和测试集。您认为 stacking 能否帮助更有把握地预测蘑菇的可食性？
本练习是课程的一部分
Python 中的集成方法
练习说明
- 实例化第一层估计器：使用 ball tree 算法的 5-近邻分类器，一个参数为
min_samples_leaf = 5、min_samples_split = 15的决策树分类器，以及一个高斯朴素贝叶斯分类器。 - 构建并拟合一个堆叠分类器，使用参数
classifiers（包含第一层分类器的列表）和meta_classifier（默认的逻辑回归）。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create the first-layer models
clf_knn = ____
clf_dt = ____(____, ____, random_state=500)
clf_nb = ____
# Create the second-layer model (meta-model)
clf_lr = LogisticRegression()
# Create and fit the stacked model
clf_stack = ____
clf_stack.fit(X_train, y_train)
# Evaluate the stacked model’s performance
print("Accuracy: {:0.4f}".format(accuracy_score(y_test, clf_stack.predict(X_test))))