任務

        用你目前評分最高的模型作為基準模型，和其他模型進行stacking融合，得到最終模型及評分。
 

實現

#簡單調包實現
from mlxtend.classifier import StackingCVClassifier, StackingClassifier
clf_stacking = StackingClassifier(classifiers=[svm,dtc,xgbc,lgbc],meta_classifier=lr,use_probas=True,verbose=3)
clf_stacking.fit(X_std_train,y_train)
 

       使用之前模型評估的函式對融合後的模型評分

model_metrics(clf_stacking,X_std_train,X_std_test,y_train,y_test)

       從測試集的f1 score來看，相比於單模型評分提高了6%，但是分數也不高，只有0.5439.

參考

      stacking原理及python實現

      整合學習中的stacking及python實現