Kaggle機器學習之模型集成（stacking）

Stacking是用新的模型（次學習器）去學習怎麼組合那些基學習器，它的思想源自於Stacked Generalization這篇論文。如果把Bagging看作是多個基分類器的線性組合，那麼Stacking就是多個基分類器的非線性組合。Stacking可以很靈活，它可以將學習器一層一層地堆砌起來。   根據上圖分析一下stacking具體步驟： 　　1）TrainingData進行5-fold分割

>>阅读原文<<