构建堆叠分类器
现在请完成接下来的两个步骤。
步骤 3：将预测结果附加到数据集：
这一步在 StackingClassifier 类内部会自动处理，但我们需要先准备第一层分类器的列表，您已在上一个练习中构建好了。它们为：clf_dt 和 clf_knn。
步骤 4：构建第二层元估计器：
这里将使用默认的 LogisticRegression。它会将各个基学习器的预测作为输入特征。
准备好两层估计器后，您就可以构建堆叠分类器了。
本练习是课程的一部分
Python 中的集成方法
练习说明
- 准备包含第一层分类器的元组列表：
clf_dt和clf_knn（请指定合适的标签与顺序）。 - 实例化第二层元估计器：
LogisticRegression。 - 构建堆叠分类器，并传入：元组列表、元分类器，同时设置
stack_method='predict_proba'（使用类别概率）与passthrough = False（仅使用预测作为特征）。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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 = ____(
____,
____,
____,
____)