绘制由三个不同分类器预测并由VotingClassifier平均的玩具数据集中第一个样本的类概率。
首先,初始化三个示例性分类器(LogisticRegression,GaussianNB和RandomForestClassifier)并用于初始化具有权重[1,1,5]的软投票VotingClassifier,这意味着RandomForestClassifier的预测概率计数是该值的5倍。 计算平均概率时其他分类器的权重。
为了使概率加权可视化,我们将每个分类器拟合到训练集上,并绘制该示例数据集中第一个样本的预测类概率。
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LogisticRegression
from sklearn.naive_bayes import GaussianNB
from sklearn.ensemble import RandomForestClassifier
from sklearn.ensemble import VotingClassifier
clf1 = LogisticRegression(random_state=123)
clf2 = RandomForestClassifier(random_state=123)
clf3 = GaussianNB()
X = np.array([[-1.0, -1.0], [-1.2, -1.4], [-3.4, -2.2], [1.1, 1.2]])
y = np.array([1, 1, 2, 2])
eclf = VotingClassifier(estimators=[('lr', clf1), ('rf', clf2), ('gnb', clf3)],