模型融合_stacking&blending

个人理解：
１．stacking堆叠法，更像是在特征维度上扩展，使用不同的模型获得不同的特征，堆在一起获得新的输入特征。
２．blending融合法，更像是在特征的时间维度来多次开发特征，先被一套模型预测，得到的结果，作为另一套模型的输入，一直套娃，得到最终的输出。

stacking,自己的理解

可以打一个比方，你是一个公司的老板，现在有一个项目在招标，公司有五个部门，分别是算法，硬件，软件，营销，运营。
假设算法组有五个人，那么组长分工一下，每个人考量这个项目的一部分，各个部分之间没有重叠。组长根据算法组五个人的结果，来总结一下，在算法组看来，是否可以接这个项目。
老板问这个项目该不该接呢？各个部门有自己的判断，有点认为要接，有的认为不要接。最后老板对所有结果综合一下，比如投票。

在这个例子中，五个部门就是五个分类器，老板是最后一个综合考虑的分类器（也叫第二层分类器）。每个部门中，把项目化为成五个小部分，就是五折交叉验证，每个成员根据自己所看的部分来判断，每个部门完成第一次stacking。老板那里完成第二次stacking。

仅仅是自己的理解，可能有些偏颇，欢迎留言讨论。

blending,自己的理解