如何在scikit-learn中使用N个二元分类器构建一个元分类器，当其中任何一个分类器返回1时，该元分类器也返回1？

目前我尝试了VotingClassifier，但它缺少我所需的逻辑，无论是voting设置为hard还是soft。而Pipeline似乎更倾向于顺序计算。

我可以自己编写逻辑，但我想知道是否有内置的解决方案？

回答：

内置选项只有soft和hard投票。正如你提到的，我们可以创建一个自定义函数来实现这个使用OR逻辑的元分类器，基于这里的源代码。这个自定义元分类器也可以融入pipeline中。

from sklearn.utils.validation import check_is_fittedclass CustomMetaClassifier(VotingClassifier):    def predict(self, X):        """ 预测X的类标签。        参数        ----------        X : {array-like, sparse matrix}, shape = [n_samples, n_features]            输入样本。        返回        ----------        maj : array-like, shape = [n_samples]            预测的类标签。        """        check_is_fitted(self, 'estimators_')        maj = np.max(eclf1._predict(X), 1)        maj = self.le_.inverse_transform(maj)        return maj

>>> import numpy as np>>> from sklearn.linear_model import LogisticRegression>>> from sklearn.naive_bayes import GaussianNB>>> from sklearn.ensemble import RandomForestClassifier, VotingClassifier>>> clf1 = LogisticRegression(solver='lbfgs', multi_class='multinomial',...                           random_state=1)>>> clf2 = RandomForestClassifier(n_estimators=50, random_state=1)>>> clf3 = GaussianNB()>>> X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])>>> y = np.array([1, 1, 1, 2, 2, 2])>>> eclf1 = CustomMetaClassifier(estimators=[...         ('lr', clf1), ('rf', clf2), ('gnb', clf3)])>>> eclf1 = eclf1.fit(X, y)>>> eclf1.predict(X)array([1, 1, 1, 2, 2, 2])