Python 如何使用StackingClassifier+；逻辑回归（二元分类）

我正在尝试使用StackingClassifier和Logistic回归（二进制分类器）。 示例代码：

from sklearn.datasets import load_iris
from mlxtend.classifier import StackingClassifier
from sklearn.linear_model import LogisticRegression


iris = load_iris()
X = iris.data
y = iris.target

y[y == 2] = 1 #Make it binary classifier

LR1 = LogisticRegression(penalty='l1')
LR2 = LogisticRegression(penalty='l1')
LR3 = LogisticRegression(penalty='l1')
LR4 = LogisticRegression(penalty='l1')
LR5 = LogisticRegression(penalty='l1')


clfs1= [LR1, LR2]
clfs2= [LR3, LR4, LR5]

cls_=[]
cls_.append(clfs1)
cls_.append(clfs2)

sclf = StackingClassifier(classifiers=sum(cls_,[]), 
    meta_classifier=LogisticRegression(penalty='l1'), use_probas=True, average_probas=False)

sclf.fit(X, y)

sclf.meta_clf_.coef_ #give the weight values

对于每个分类器，初始逻辑回归给出两类的概率值。当我使用堆叠5个分类器时，

sclf.meta\u clf\u.coef\u

给出10个权重值

数组（[[-0.96815163，1.25335525，-0.03120535，0.8533569，-2.6250897， 1.98034805，-0.361378,0.00571954，-0.03206343,0.53138651]）

我对权重值的顺序感到困惑。意味着

• 第一次逻辑回归的前两个值是否

  （-0.96815163，1.25335525）

• 第一次逻辑回归的第二个值是否为

  （-0.03120535，0.8533569）

我想找出堆叠分类器的哪个逻辑回归（LR）对应哪些值

如果您的输出是：

数组（[[-0.96815163，1.25335525，-0.03120535，0.8533569，-2.6250897， 1.98034805，-0.361378,0.00571954，-0.03206343,0.53138651]）

那么

-0.96815163，1.2533525：LR1的概率为0和1

-0.03120535，0.8533569：LR2的概率为0和1

-2.6250897，1.98034805：LR3的概率为0和1

-0.361378，0.00571954：LR4的概率为0和1

-0.03206343，0.53138651：如果您的输出为：

数组（[[-0.96815163，1.25335525，-0.03120535，0.8533569，-2.6250897， 1.98034805，-0.361378,0.00571954，-0.03206343,0.53138651]）

那么

-0.96815163，1.2533525：LR1的概率为0和1

-0.03120535，0.8533569：LR2的概率为0和1

-2.6250897，1.98034805：LR3的概率为0和1

-0.361378，0.00571954：LR4的概率为0和1

-0.03206343，0.53138651：LR5的概率为0和1