本次学习模型融合，主要方法有算数平均，几何平均，投票，stacking，blending，boosting/bagging。
其中，算数平均和几何平均就是用字面意思对多个模型的预测结果做平均；投票就是对多个模型的分类结果进行少数服从多数的投票，也可以给不同模型不同权重，stacking就是用多层计算的方法，把第一层计算出来的结果作为新的变量放入第二层中，等于修正了模型，blending和stacking类似，但是是切出一部分训练集作为第二层的训练集，blending的优点是没有信息泄露，缺点是数据量太小，且因为没有kfold，稳定性较差。
已经在xgboost中已经用到，不太需要再在最后做融合）
1165
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
