机器学习Stacking模型融合

此文道出了本人学习Stacking入门级应用的心路历程。

在学习过程中感谢@贝尔塔的模型融合方法，以及如何在 Kaggle 首战中进入前 10%这篇文章（作者是章凌豪）。对于两位提供的信息，感激不尽。同时还有Kaggle上一些关于ensemble的文章和代码，比如这篇（https://www.kaggle.com/arthurtok/introduction-to-ensembling-stacking-in-python）。

本文适用于被stacking折磨的死去活来的新手，在网上为数不多的stacking内容里，我已经假设你早已经看过了上述所提到的那几篇有用的文章了。但是，看完之后内心还是卧槽的。我希望下面的内容能成为，你在学习stacking的曲折道路上的一个小火把，给你提供一些微弱的光亮。

本文以Kaggle的Titanic（泰坦尼克预测）入门比赛来讲解stacking的应用（两层！）。

数据的行数：train.csv有890行，也就是890个人，test.csv有418行（418个人）。

而数据的列数就看你保留了多少个fe