Python быстрый подбор сигналов для усредняющей модели

Есть 150 разных моделей (бинарная классификация), давших вероятности принадлежности к классу на одном датасете. Т.е есть датасет и 150 столбцов с вероятностями.

Хочу найти методом перебора 3 модели, усреднение по которым дает лучший результат.

Сейчас построение всех возможных усреднений реализовано через циклы и работает долго, задействует только одно ядро:

for i in range(len(good)):
    for j in range(i+1,len(good),1):
        for k in range(j+1,len(good),1):

Votting Classifier работает непосредственно с классификаторами, использовать его проблематично по ряду причин. Поэтому ищу вариант работающий с вероятностями. Возможно это делается через Votting, но я не нашла как.