前言
这是 datawhale 数据挖掘学习的最后一次打卡——模型融合，内容很好理解，就是将训练出来的多个模型融合在一起，集成，形成一个效果更好的模型。
这次的任务基本上是比较独立的，既没有用到 task3 的特征工程内容，也没有用到 task4 中创建的模型，相对比较独立。不过这次打卡不打算粘贴什么代码了，代码全都在教程里，这里只记录一下我的理解。
简而言之，模型的融合方法大致有以下三种：
- 加权融合
- stacking/blending
- boosting/bagging （树模型的集成方法）
stacking/blending 都属于两层模型结构，因此归为一类；boosting/bagging 都是针对树模型做的，因此也同样归为一类。下面一一做一个简单的介绍
加权融合
加权融合的思路很好理解，就是将各个分类/回归器的预测结果进行不同方式的融合。根据模型是回归模型还是分类模型，融合的方式有所不同。
分类模型通常是以投票的方式进行。即多个模型预测同一个数据，选取预测结果中类别多的作为该样本的输出。
回归模型主要是加权融合的方式。典型的有算数平均融合（所有回归结果取平均值）、几何平均融合（所有回归结果相乘后开 n 次根号，n 为回归结果数）和加权平均（根据分配给分类器不同的权值对结果加权求和然后除以 n 取均值）。
stacking/blending
stacking/blending 都属于两层模型结构。
二者都是先训练出多个模型（分类模型或是回归模型都可），然后针对每个模型对训练样本的输出再进行训练。具体的，将每个模型的输出再次当做下一层模型的输入，继续训练，最后训练出一个可以整合所有模型输出的模型。
二者最大的区别是在于训练集的划分问题。stacking 做的过程中把训练集当成一个整体，输入到下一层模型的输出数据已经被用来训练第一层模型；而 blending 做的时候，把训练集划继续分为第一层模型训练集和第二层模型训练集，这样就避免了两层模型训练时使用相同的数据。
需要注意的一点是，为了避免过拟合，无论使用两个方法中的哪一个，都需要让第二层模型尽可能地简单。
blending 相对于 stacking 的优缺点对比：
优点：
- 相比于 stacking 简单（划分数据集简单粗暴，不需要使用交叉验证）。
- 两层模型使用了不一样的数据进行训练，避免了信息泄露。
缺点：
- 由于划分数据界限清晰，导致的就是两层模型训练的数据都比较少。
- 由于没有使用交叉验证，可能会导致过拟合，使模型泛化能力降低。
boosting/bagging
boosting 和 bagging 都是树模型集成学习的方法。两者在上一节介绍树模型时都有介绍。不同的树模型内部已经使用了不同的树模型集成方法。根据使用的集成方法不同，分为不同的算法。例如，XGBoost 就属于典型的 boosting 方法；而随机森林就是典型的 bagging 方法。
由于在训练模型时，内部已经集成了这两种方法，因此后续自己再做模型融合时，就不再需要使用这两种方法了。
最后
还是得为这些天看数据挖掘的教程做个总结。教程很好，能学到不少东西，尤其是配合这个很典型的比赛，边学边练。不过遗憾的是，由于各种原因，我并没有花很长时间在这里，比赛也没打，所以进步有限。在这个过程里体验了一下数据挖掘比赛的整个流程，也体验了很多机器学习库的使用，还是有一定收获的。
最后，希望自己以后也能独自来打天池的比赛，如果能体验到上榜的感觉就更帅了！现在吧，就只是想想，哈哈。