数据挖掘 周报六

理论学习：

网上查找模型融合的方法，进行学习：
1 投票：采取投票制的方法，投票多者确定为最终的模型。
2 平均：取平均。稍稍改进的方法是进行加权平均。
3 Bagging：采用有放回的方式进行抽样，用抽样的样本建立子模型,对子模型进行训练，这个过程重复多次，最后进行融合。
4 Boosting：Bagging算法可以并行处理，而Boosting的思想是一种迭代的方法，每一次训练的时候都更加关心分类错误的样例，给这些分类错误的样例增加更大的权重，下一次迭代的目标就是能够更容易辨别出上一轮分类错误的样例。最终将这些弱分类器进行加权相加。
5 Stacking：
详细：解释

实践

对之前的模型进行模型融合。

下一步工作

暂无。