1.Voting
投票法针对分类模型,多个模型的分类结果进行投票,少数服从多数。除了公平投票外,还可以给投票设置权重,分类器效果越好权重越高,分类器效果越差,权重越低。
2.Averaging
回归问题:直接取平均值作为最终的预测值,也可以使用加权平均。
分类问题:直接将模型的预测概率做平均,也可以使用加权平均。
可以把所有模型预测的结果作为新的特征,再通过线性回归计算出权重
3.Ranking
Ranking融合适合排序评估指标,对auc比较有效。具体公式如下:
其中,n表示模型个数,表示该样本在第i个模型的权重,所有权重相同表示平均融合,