集成学习中投票法与bagging

投票法

投票法分为：

	硬投票：主要是用以对结果进行一个少数服从多数
	软投票：主要是以模型所运行出来的概率进行一个计算

用在回归上 则是以平均值进行赋值。
用在分类上就只要是以少数服从多少。
本文在投票法的评分以F1得分进行计算。

实例

导入所需要的包

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from sklearn.svm import SVC
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier
from sklearn.ensemble import VotingClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.metrics import f1_score 

对数据集进行划分，

X, y = make_classification(n_samples=50000, n_features=20, n_informative=15,n_redundant=5, random_state=2)
Xtrain,<