Voting 分类器
现在我们来把三个机器学习模型组合成一个，以改进之前的随机森林欺诈检测模型。您将把常用的随机森林模型，与上一个练习的逻辑回归模型，再加上一个简单的决策树组合起来。您可以使用便捷函数 get_model_results() 来立即查看该集成模型的结果。
本练习是课程的一部分
Python 中的欺诈检测
练习说明
- 导入 Voting Classifier 包。
- 定义三个模型：沿用之前的逻辑回归、之前练习中的随机森林，以及一个类别权重平衡的决策树。
- 通过传入三个分类器及其各自的标签来定义集成模型。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import the package
from sklearn.ensemble import ____
# Define the three classifiers to use in the ensemble
clf1 = LogisticRegression(class_weight={0:1, 1:15}, random_state=5)
clf2 = ____(class_weight={0:1, 1:12}, criterion='gini', max_depth=8, max_features='log2',
min_samples_leaf=10, n_estimators=30, n_jobs=-1, random_state=5)
clf3 = DecisionTreeClassifier(random_state=5, class_weight="____")
# Combine the classifiers in the ensemble model
ensemble_model = ____(estimators=[('lr', ____), ('rf', ____), ('dt', ____)], voting='hard')
# Get the results
get_model_results(X_train, y_train, X_test, y_test, ensemble_model)