我想知道在scikit-learn中，多数投票的训练是否会重新训练分类器？

例如：

model_perceptron = CalibratedClassifierCV(Perceptron(max_iter=100,                                                     random_state=rng),                                          cv=3)model_perceptron.fit(X_train, y_train)model_svc = SVC(probability=True, gamma='auto',                random_state=rng).fit(X_train, y_train)model_bayes = GaussianNB().fit(X_train, y_train)model_tree = DecisionTreeClassifier(random_state=rng).fit(X_train, y_train)model_knn = KNeighborsClassifier(n_neighbors=1).fit(X_train, y_train)voting_classifiers = [("perceptron", model_perceptron),                      ("svc", model_svc),                      ("bayes", model_bayes),                      ("tree", model_tree),                      ("knn", model_knn)]model_voting = VotingClassifier(estimators=voting_classifiers).fit(    X_train, y_train)

我已经训练了所有这些基础模型。

scikit-learn是否只是使用我之前独立训练和测试过的那些已经训练好的分类器？scikit-learn的多数投票是否不考虑预训练的分类器集作为输入？

还是说，它会在内部重新训练基础模型？

回答：

从上面的评论中重新发布：

看起来这些模型会被重新训练：https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.VotingClassifier.html。我特别注意到了这一行：

在VotingClassifier上调用fit方法将会拟合这些原始估计器的克隆，这些克隆将被存储在类属性self.estimators_中