集成学习总结（二）

1：Baggig方法： 思想：给定一个大小为n的训练集 D，Bagging算法从中均匀、有放回地选出 m个大小为 n' 的子集Di，作为新的训练集。在这 m个训练集上使用分类、回归等算法，则可得到 m个模型，再通过取平均值、取多数票等方法综合产生预测结果，即可得到Bagging的结果。 2：Stacking方法： 思想：将训练好的所有基模型对整个训练集进行预测，第j个基模型对第i个训练样本的预测值

>>阅读原文<<