Python 2.7 如何使用scikit learn执行集成（多分类器）分类？

我有一个相当有限的数据集，我正在使用scikit学习执行监督学习、多类文本分类。为了稍微缓解信息的不足，我想做以下几点：

从我想要分类的内容中提取Ngram，将其与内容的Unigram合并并执行分类

实现（或使用现有实现）基于投票的集成分类器以提高分类精度。例如，多项式贝叶斯和KNN对于不同的类似乎都给出了很好的结果：理想情况下，我会将它们结合起来，这样我的性能会稍微好一点（希望不会更差），而不是使用有限的数据集得到的劣质的50%

虽然第一步很简单，但我找不到太多关于如何使用scikit learn进行集成分类的信息。我注意到scikit learn有一些集成类的条目，比如一个，但它似乎不是我想要的

---

有人知道使用scikit learn进行此操作的具体示例吗？

我也很难回答这个问题。经过大量实验，我发现在sci工具包中进行集合分类的最佳方法是平均clf。预测每个训练模型的概率（X）值。平均值在长期内（运行50次或以上）表现优于任何单个模型

如果你能保证你的一些训练模型比其他模型更强，你可能还想看看使用加权平均法或多武装的bandit集合方法

---

我认为这不能在scikit learn中以本机方式完成。有几种方法可以组合多个分类器的输出。如果您发布一个预期输入和输出的示例，有人可以帮助您实现。