TASK5 模型融合

模型融合是kaggle等比赛中经常使用到的一个利器，它通常可以在各种不同的机器学习任务中使结果获得提升。顾名思义，模型融合就是综合考虑不同模型的情况，并将它们的结果融合到一起。模型融合主要通过几部分来实现：从提交结果文件中融合、stacking和blending。当下模型融合主要有三类：

1. 简单加权融合:

-回归（分类概率）：算术平均融合（Arithmetic mean），几何平均融合（Geometric mean）；

- 分类：投票（Voting)

- 综合：排序融合(Rank averaging)，log融合

2. stacking/blending:

- 构建多层模型，并利用预测结果再拟合预测。

3. boosting/bagging（在xgboost，Adaboost,GBDT中已经用到）:

- 多树的提升方法

多行代码（```

input

```）