模型融合

模型融合 集成學習可以分爲兩類：（1）把強分類器進行強強聯合，使得融合後的模型效果更強，稱爲模型融合；（2）將弱分類器通過學習算法集成起來變爲很強的分類器，稱爲機器學習元算法。 模型融合常有的做法：投票法、線性混合、Stacking； 機器學習元算法又可以根據個體學習器之間是否存在依賴關係分爲兩類，稱爲Bagging和Boosting: Bagging: 個體學習器不存在依賴關係，可同時對樣本隨機

>>阅读原文<<