我已经创建了一个包含svc、LogisticRegression、LinearDiscriminantAnalysis等多种模型的集成模型。

但是当我对数据进行缩放时，mlp分类器的表现会更好，而其他模型如LogisticRegression在数据缩放后准确率反而会降低。所以我想只对一个模型进行数据缩放。

from sklearn import preprocessingscaler = preprocessing.StandardScaler()scaler.fit(X_train)X_train_ = scaler.transform(X_train)X_val_ = scaler.transform(X_val)mlp = MLPClassifier(solver='lbfgs', alpha=1e-5,                 hidden_layer_sizes=(5,2), random_state=1)mlp.fit(X_train_, y_train)y_pred = mlp.predict(X_val_)

现在当我创建我的投票分类器时，我不知道如何仅对一个模型使用缩放后的数据。

votingC = VotingClassifier(estimators=[('logistic_regression', lr),('SVC',svc),                                       ('Catboost', cat),('ExtraTrees', et), ('LinearDiscriminantAnalysis', lda),                                        ('perceptron', p),('randomforest', r), ('nusvc', nusvc), ('knn', knn),                                        ('SGDClassifier', pac), ('bag', bag),('bnb', nc)],                            voting='hard', n_jobs=6,                            weights = [1.5,1.5,1,1,1,1,1,1,1,1,1,1])votingC = votingC.fit(X_train, y_train)

非常感谢您的帮助！

回答：

对于需要缩放的模型，您可以构建一个管道，然后将其放入投票分类器中。以下是缩放和未缩放的支持向量分类器的示例：

from sklearn.ensemble import VotingClassifierfrom sklearn.preprocessing import StandardScalerfrom sklearn.svm import SVCfrom sklearn.datasets import make_classificationfrom sklearn.pipeline import make_pipelineX,y = make_classification(random_state=123)scaled_svc = make_pipeline(StandardScaler(), SVC())voting = VotingClassifier(estimators=[    ('scaled_svc', scaled_svc),    ('unscaled_svc', SVC())])v = voting.fit(X,y)v.predict(X)array([0, 0, 1, 0, 0, 0, 0, 0, 1, 1, 1, 1, 0, 1, 1, 0, 0, 1, 1, 1, 0, 1,       0, 1, 1, 1, 1, 1, 0, 0, 1, 0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 1, 0,       0, 1, 1, 1, 1, 1, 0, 0, 0, 0, 1, 0, 1, 0, 0, 1, 1, 1, 0, 1, 1, 0,       1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 1, 1, 0, 1, 0, 0, 0, 1, 0, 1, 1,       1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0])