2020-06-02

俗话说，三个臭皮匠赛过诸葛亮，在机器学习、深度学习领域集中多个模型往往可以比单个模型更优。如何将优秀的模型集中起来，得到更优的模型，就是模型集成所要研究的内容。

1.机器学习的集成学习方法

在机器学习中的集成学习可以在一定程度上提高预测精度，常见的集成学习方法有Stacking，Bagging和Boosting，同时这些集成学习方法与具体验证集划分联系紧密。
由于深度学习模型一般需要较长的训练周期，如果硬件设备不允许建议选取留出法，如果需要追求精度可以使用交叉验证的方法。
下面假设构建了10折交叉验证，训练得到10个CNN模型。