模型融合

模型融合 集成学习可以分为两类：（1）把强分类器进行强强联合，使得融合后的模型效果更强，称为模型融合；（2）将弱分类器通过学习算法集成起来变为很强的分类器，称为机器学习元算法。 模型融合常有的做法：投票法、线性混合、Stacking； 机器学习元算法又可以根据个体学习器之间是否存在依赖关系分为两类，称为Bagging和Boosting: Bagging: 个体学习器不存在依赖关系，可同时对样本随机

>>阅读原文<<