我是一个Python和Scikit的新手。我已经用Scikit创建了两个逻辑回归模型，我想将它们结合起来得到一个新的模型。我心中的想法是这样的：

clf1 = LogisticRegression()clf1.fit(X_set, Y_set)clf2 = LogisticRegression()clf2.fit(X_set, Y_set)combined_clf = clf1 + clf2

但我不知道该怎么做。提前感谢大家。

回答：

这里有两种方法可能适合你的需求。

第一种方法是让每个分类器对预测的类别进行投票。为此，你可以使用sklearn.ensemble.VotingClassifier。以你的例子为例：

from sklearn.ensemble import VotingClassifierclf1 = LogisticRegression()clf2 = LogisticRegression()eclf1 = VotingClassifier(estimators=[('lr1', clf1), ('lr2', clf2)],voting='hard')eclf1 = eclf1.fit(X, Y)

另一种方法是堆叠。基本思路是结合多个分类器的输出，并在这些初级分类器的输出上训练一个元分类器。

这里有一个描述该方法的有用链接：https://rasbt.github.io/mlxtend/user_guide/classifier/StackingClassifier/。

使用mlxtend和你的例子：

from mlxtend.classifier import StackingClassifierclf1 = LogisticRegression()clf2 = LogisticRegression()lr = Your_Meta_Classifier()sclf = StackingClassifier(classifiers=[clf1, clf2],                       meta_classifier=lr)

然而，在你的例子中，模型使用相同的确定性方法进行训练，我认为堆叠它们不会带来任何改进。

希望这对你有帮助！

（哦，可能与以下问题重复：使用scikit-learn（或任何其他Python框架）结合不同类型的回归器的集成？）