30分钟学会如何使用集成学习（什么是集成学习）

首先我们建造如下数据集，作为接下来的训练数据

• 二维数据集
• 500个样本，2个特征（0, 1）

import numpy as np
import matplotlib.pyplot as plt

## 创建数据集
from sklearn import datasets

x, y = datasets.make_moons(n_samples=500, noise=0.3, random_state=42)

plt.scatter(x[y==0,0],x[y==0,1])
plt.scatter(x[y==1,0],x[y==1,1])
plt.show()

一，什么是集成学习

集成学习的思想其实就是我们使用多个弱学习器一起解决一个问题，类似于“三个臭皮匠赛过诸葛亮”的道理。

首先，我们把数据集分为训练集和测试集

## 进行数据切分
from sklearn.model_selection import train_test_split

x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=42)

我们分别使用逻辑回归，SVC和决策树进行数据学习，并且分别得到他们每一个准确率。

from sklearn.linear_model import LogisticRegression

log_clf = LogisticRegression()
log_clf.fit(x_train, y_train)
log_clf.score(x_test, y_test)
>>>0.864

from sklearn.svm import SVC

svm_clf = SVC()
svm_clf.fit(x_train, y_train)
svm_clf.score(x_test, y_test)
>>>0.888

from sklearn.tree import DecisionTreeClassifier

df_clf = DecisionTreeClassifier()
df_clf.fit(x_train, y_train)
df_clf.score(x_test, y_test)
>>>0.84

接下来，再分别适用三个基学习器对测试集进行预测

## 分别得到三种基学习器的预测结果
y_predict1 = log_clf.predict(x_test)
y_predict2 = svm_clf.predict(x_test)
y_predict3 = df_clf.predict(x_test)

最后，我们通过投票的方式集成以上三种基学习器的学习结果

## 集成以上三种的预测数据，通过投票的方法得到集成结果
y_predict = np.array((y_predict1 + y_predict2 + y_predict3) >= 2,dtype=int)
y_predict[:10]
>>>array([1, 0, 0, 1, 1, 1, 0, 0, 0, 0])

通过计算集成学习的准确率可以看出，准确率有明显的提升，而这仅仅使用了500个样本和3个基学习器。

## 计算集成学习的准确率
from sklearn.metrics import accuracy_score

accuracy_score(y_test, y_predict)
>>>0.896

二，使用SKlearn中提供的集成学习器解决分类问题

2.1 Voting Classifier 投票集成

我们可以指定想用那几个基学习器，例如下面我们就指定选用了逻辑回归，SVC和决策树作为基学习器。

2.1.1 少数服从多数原则的投票集成-Hard Voting

这里我们依旧使用逻辑回归，SVC和决策树作为基学习器。
参数说明：

• 使用哪几个基学习器 estimators = [ (‘名字1’, 基学习器1), (‘名字2’, 基学习器2)…]
• voting=‘hard’ 表示使用简单地投票方法得到集成结果（少数服从多数原则，后边会提到考虑概率的投票方法）

from sklearn.ensemble import VotingClassifier

## 考虑我们要使用那些基学习器进行集成
estimators = [
    ('log_clf', LogisticRegression()),
    ('svm_clf', SVC()),
    ('df_clf'