アンサンブル学習（VotingClassifier）のエラー

オリジナルのデータセットを用いてLightGBMで機械学習モデルを作成し（5 seed x 5 cv の計25モデル）、それらをsklearnのVotingClassifierのsoft-votingでアンサンブルする際にエラーが発生しました。

python
1X = df.data # 説明変数
2y = df.target # 目的変数
3
4# 学習データとテストデータに分ける
5X_train, X_test, y_train, y_test =  train_test_split(X, y, test_size=0.2, shuffle=True, random_state=11, stratify=y)
6
7# 学習データを学習用と検証用に分ける
8X_train, X_eval, y_train, y_eval = train_test_split(X_train, y_train, test_size=0.2, random_state=22, stratify=y_train) 
9
10# LightGBMの5つのモデルを保存するリストの初期化
11lgbm_models = [] 
12
13# 5つのシード値で予測
14for seed_no in range(5):
15          
16    # KFlodクラスをインスタンス化（これを使って5分割する）
17    kf = StratifiedKFold(n_splits=5, shuffle=True, random_state=seed_no)
18    
19    # KFoldクラスで分割した回数だけ実行（=5）
20    for tr_idx, va_idx in kf.split(X_train, y_train):
21        tr_x, va_x = X_train.iloc[tr_idx], X_train.iloc[va_idx]
22        tr_y, va_y = y_train.iloc[tr_idx], y_train.iloc[va_idx]
23        
24        # 学習用
25        lgb_train = lgb.Dataset(tr_x, tr_y)
26        
27        # 検証用
28        lgb_val = lgb.Dataset(va_x, va_y, reference=lgb_train)
29        
30        # パラメータの設定
31        params = {'task': 'train',
32              'boosting_type': 'gbdt',
33              'learning_rate': 0.02,
34              'num_leaves': 16,
35              'min_data_in_leaf': 1,
36              'objective': 'binary',
37              'metric': 'binary_logloss'}
38
39        # 学習の経過を保存する箱
40        validation_results = {}
41        
42        # LightGBMの学習を実行
43        model = lgb.train(params, 
44                      train_set=lgb_train,
45                      num_boost_round=10000, 
46                      valid_names=['train', 'valid'],
47                      valid_sets=[lgb_train, lgb_val],
48                      evals_result=validation_results,
49                      early_stopping_rounds=100,
50                     verbose_eval=-1)
51        
52        # テストデータで予測する
53        # 予測確率
54        y_pred_proba = model.predict(X_test, num_iteration=model.best_iteration)
55
56        # 確率を予測ラベル（0または1）に
57        y_pred = np.round(y_pred_proba)
58                       
59        # 学習が終わったモデルをリストに入れておく
60        lgbm_models.append(model)

上記のlgbm_modelsには25の'lightgbm.basic.Booster'が入っていることは確認できました。
これを用いて、

python
1XX = np.array(X_test)
2yy = np.array(y_test)
3
4s_voting = VotingClassifier(lgbm_models, voting='soft')
5s_voting.fit(XX, yy)

としても、

python
1---------------------------------------------------------------------------
2TypeError                                 Traceback (most recent call last)
3<ipython-input-169-04ddf77ec35b> in <module>
4      1 s_voting = VotingClassifier(lgbm_models, voting='soft')
5----> 2 s_voting.fit(XX, yy)
6
7~/opt/anaconda3/lib/python3.7/site-packages/sklearn/ensemble/voting.py in fit(self, X, y, sample_weight)
8    277         transformed_y = self.le_.transform(y)
9    278 
10--> 279         return super().fit(X, transformed_y, sample_weight)
11    280 
12    281     def predict(self, X):
13
14~/opt/anaconda3/lib/python3.7/site-packages/sklearn/ensemble/voting.py in fit(self, X, y, sample_weight)
15     85                              % (len(self.weights), len(self.estimators)))
16     86 
17---> 87         names, clfs = zip(*self.estimators)
18     88         self._validate_names(names)
19     89 
20
21TypeError: zip argument #1 must support iteration

というエラーが生じます。

【試したこと】
公式ドキュメント（https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.VotingClassifier.html）の使用例を見ると、

python
1eclf1 = VotingClassifier(estimators=[('lr', clf1), ('rf', clf2), ('gnb', clf3)], voting='hard')

となっていたので、

python
1# 試しに3つだけ取り出してみる
2s_voting = VotingClassifier([('lgbm1', lgbm_models[0]), ('lgbm2', lgbm_models[1]), ('lgbm3', lgbm_models[2])], voting='soft')
3s_voting.fit(XX, yy)

としてみましたが、今度は

python
1TypeError: Cannot clone object '<lightgbm.basic.Booster object at 0x7fcf73baa890>' (type <class 'lightgbm.basic.Booster'>): it does not seem to be a scikit-learn estimator as it does not implement a 'get_params' methods.