机器学习 · 函数

投票分类器

创建投票分类器，组合多个模型进行投票。投票方式：'hard'（硬投票）或 'soft'（软投票）。

调用签名(模型列表, 投票方式='hard')

投ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 投票分类器
设 结果 = 机器学习.投票分类器(
    模型列表="数量",  # 必填；Pandas DataFrame 或类似表格对象
    投票方式='hard',  # 可选；按函数业务含义传入 投票方式;首次使用建议先 打...
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

2 个参数

参数类型 / 传入方式说明

模型列表可选 · 默认无

未声明位置参数或字段名=值

Pandas DataFrame 或类似表格对象。

常见错误：漏传会报 TypeError: missing required argument: '模型列表';检查调用是否漏了这行

投票方式可选 · 默认 'hard'

未声明位置参数或字段名=值

按函数业务含义传入投票方式;首次使用建议先打印(结果) 确认其作用。

常见错误：类型不匹配会报 TypeError;按字段类型列传值,首次使用建议先打印(结果) 确认结构

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 投票分类器
设 结果 = 机器学习.投票分类器(
    模型列表="数量",  # 必填；Pandas DataFrame 或类似表格对象
    投票方式='hard',  # 可选；按函数业务含义传入 投票方式;首次使用建议先 打...
)
打印(结果)

# 进阶组合:投票分类器 配合 机器学习 业务流使用
设 模型 = 机器学习.训练线性回归([[1], [2], [3]], [2, 4, 6])
设 结果 = 机器学习.投票分类器(
    模型列表="数量",  # 必填
    投票方式='hard',  # 可选
)
设 结果 = 机器学习.预测(模型, [[4]])
打印(结果)

# 错误排查:覆盖 1 个必填参数

## 参数 1: 模型列表
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器学习.投票分类器()  # TypeError
# 修复:补上必填字段
设 结果 = 机器学习.投票分类器(模型列表="数量")
打印(结果)