【Task6(2天)】 模型融合

模型融合，模型融合方式任意，并结合Task5给出你的最优结果。

• 例如Stacking融合，用你目前评分最高的模型作为基准模型，和其他模型进行stacking融合，得到最终模型及评分结果。

说明：这份数据集是金融数据（非原始数据，已经处理过了），我们要做的是预测贷款用户是否会逾期。表格中 "status" 是结果标签：0表示未逾期，1表示逾期。

1.导包跑模型

这里选用stacking的方法来模型融合，自己去网上也了解来了一下基本原理，但是手动敲代码比较困难，还是安静的做个调包侠，调参侠吧~~~

数据处理和以前一样！！

from mlxtend.classifier import StackingClassifier
model_list = [models_grid[model] for model in models_grid if model != 'log_clf']
stacking_clf = StackingClassifier(classifiers=model_list,meta_classifier=models_grid['log_clf'])
models_ensembel = models_grid
models_ensembel['stacking_clf'] = stacking_clf

2.评估模型

results_test_ensembel,results_train_ensembel = metrics(models_ensembel,X_train_scaled,X_test_scaled,y_train,y_test)

　　

训练集：

测试集：

没有提升呢？？？？？

我猜在模型方面，已经没有什么可以提高的了，只能从数据清洗，特征工程方面下手！