模型融合的主要方法

提交文件创建融合模型（只需要之前得到的结果，不需要重新训练）Bagging
投票融合（Voting）
加权融合（weighing）
平均融合（Averaging）
排序平均（Rank averaging）
对于auc，其本质就是一个排序，预测出的auc的值可以转化为排名的特征，然后在进行融合（参考DC人品预测大赛）
堆栈泛化创建融合模型Boosting
堆栈泛化（stacking）
训练集A+B
训练A之后预测B的结果
训练B之后预测A的结果
用所有的数据训练模型，然后对测试集预测
训练一个第二阶段的堆栈模型，利用第一阶段得到的概率作为特征，单独训练
混合（Blending）
使用逻辑回归堆叠
特征加权线性堆叠