ML 模型融合讲解 (bagging, boosting, stacking, blending, 加权)+面试必考知识点

哈哈总结一下构造多样性的方法，模型融合的几种策略和区别，以及几点面试可能会问到的问题。包括训练过程融合 (Bagging、Boosting)；训练结果融合(加权、Stacking、Blending)。

保证是全网最全、最精简总结。

导航：

ID	算法
NO.1	构造多样性
NO.2	训练过程融合 (Bagging、Boosting)
NO.3	训练结果融合 (加权、Stacking、Blending)
NO.4	高频面试考点

⭐ 以下某些介绍参考鱼佬的竞赛书<机器学习算法实战>。

---

1、构造多样性

⭐差异性 (多样性)的模型融合往往能带来很大提升。