使用投票分类器
实时笔记本
你可以在 live session 
中运行此笔记本，或查看 Github 上的内容。
使用投票分类器¶
一个 投票分类器 模型将多个不同的模型（即子估计器）组合成一个单一模型，该模型（理想情况下）比任何单独的模型都要强大。
Dask 提供了在集群中不同机器上训练单个子估计器的软件。这使得用户能够并行训练比单台机器上可能的更多的模型。请注意，只有当用户拥有一个资源多于单台机器的分布式集群时，他们才会观察到这种好处（因为 sklearn 已经允许用户在单台机器的核心上并行训练）。
以下是如何在 dask 中（使用本地集群）部署投票分类器模型的示例。
[ ]:
from sklearn.ensemble import VotingClassifier
from sklearn.linear_model import SGDClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
import sklearn.datasets
我们创建一个合成数据集（包含1000行和20列），可以将其提供给投票分类器模型。
[ ]:
X, y = sklearn.datasets.make_classification(n_samples=1_000, n_features=20)
我们将 VotingClassifier 指定为一个 (名称, 子估计器) 元组的列表。在数据上拟合 VotingClassifier 会依次拟合每个子估计器。我们将 n_jobs 参数设置为 -1，这指示 sklearn 使用所有可用的核心（注意我们没有使用 dask）。
[ ]:
classifiers = [
('sgd', SGDClassifier(max_iter=1000)),
('logisticregression', LogisticRegression()),
('svc', SVC(gamma='auto')),
]
clf = VotingClassifier(classifiers, n_jobs=-1)
我们调用分类器的 fit 方法来训练分类器。
[ ]:
%time clf.fit(X, y)
创建一个 Dask 客户端 可以通过仪表板提供性能和进度指标。由于 Client 没有给出参数，其输出指的是一个 本地集群 （而不是分布式集群）。
我们可以通过点击运行单元格后的链接来查看仪表板。
[ ]:
import joblib
from distributed import Client
client = Client()
client
要训练投票分类器，我们调用分类器的 fit 方法，但在 joblib 的 parallel_backend 上下文管理器中进行。这会将子估计器的训练分布到集群中。
[ ]:
%%time
with joblib.parallel_backend("dask"):
clf.fit(X, y)
print(clf)
注意，我们看不到使用dask的优势，因为我们使用的是本地集群而不是分布式集群，而且sklearn已经在使用我电脑的所有核心。如果我们使用的是分布式集群，dask将使我们能够利用多台机器并在它们之间训练子估计器。