機器學習--stacking和blending的原理和各自的優劣

一.Stacking和blending的概念 (1).stacking是k折交叉驗證，元模型的訓練數據等同於基於模型的訓練數據，該方法爲每個樣本都生成了元特徵，每生成元特徵的模型不一樣（k是多少，每個模型的數量就是多少）；測試集生成元特徵時，需要用到k（k fold不是模型）個加權平均； (2).blending是holdout方法，直接將訓練集切割成兩個部分，僅10%用於元模型的訓練； 四.Bl

>>阅读原文<<