12天summer----数据挖掘实战-模型融合

Stacking 是一种集合学习技术，通过元分类器组合多个分类模型。基于完整训练集训练各个分类模型; 然后，基于整体中的各个分类模型的输出 - 元特征来拟合元分类器。元分类器可以根据预测类标签或来自集合的概率进行训练。

参考:https://blog.csdn.net/github_35965351/article/details/60763606

参考:http://rasbt.github.io/mlxtend/

https://stackoverflow.com/questions/52952310/plot-decision-regions-with-error-filler-values-must-be-provided-when-x-has-more 

或者，第一级分类器的类概率可用于通过设置来训练元分类器（第二级分类