內建學習--Bagging、Boosting、Stacking、BlendingBagging
內建學習--Bagging、Boosting、Stacking、Blending Stacking
內建學習--Bagging、Boosting、Stacking、Blending Boosting
例子，C1先訓練，C2訓練C1分錯的（後面分類器訓練前面分類器分錯的），C3訓練C1，C2不同的。
第一步：初始化訓練資料的權重，w1=w2=...=wn=1/N，N為樣本的數量。
第二步：訓練第一個基模型，計算模型的錯誤率，計算模型的系數。
第三步：更新資料集的權重，誤分類資料的權重調大，分類正确的資料權值調小。在訓練一個基類模型。依次進行
第四步：每個模型對測試資料，進行預測。
第五部：對所有基模型的預測結果進行權重求和。準确率高的模型調大權值，準确率低的模型減小權值。
內建學習--Bagging、Boosting、Stacking、Blending 內建學習--Bagging、Boosting、Stacking、Blending 內建學習--Bagging、Boosting、Stacking、Blending 內建學習--Bagging、Boosting、Stacking、Blending 內建學習--Bagging、Boosting、Stacking、Blending 內建學習--Bagging、Boosting、Stacking、Blending 內建學習--Bagging、Boosting、Stacking、Blending 誤差上界：（可以證明模型的誤差上界趨近于0！！！amazing！！）
內建學習--Bagging、Boosting、Stacking、Blending 
