模型集成   Ensemble Stacking

模型集成的流程和详细说明如下

1. Ensemble

所有 Level-0 模型逐步训练完毕后 (例如 simple_algorithms, default_algorithms, not_so_random, golden_features, insert_random_feature, feature_selection等)， 开始 Ensemble 步骤。

在此过程中，将根据所有Level-0模型计算权重值，并组成Ensemble模型。 最终选定的 Level-0 模型及其权重值将列在 ensemble 文件夹下的 ensemble.json 中 （示例文件如下所示，此处的“repeat”表示每个选定模型的权重值）

2. Stack

Stack 流程如下:

使用原始输入数据训练多个Level-0的模型，将模型的预测结果与原始数据相加， 生成新的输入数据，用于训练Level-1的Stacked Model，得到最终预测结果。

3. Ensemble stacking

Ensemble stacking 是指将上述不同权重值的Level-0和Level-1模型进行集成并预测最终结果。 最终选择的Level-0和Level-1模型及其权重值将列在ensemble_stacked文件夹下的ensemble.json文件中。 （如下图，这里重复表示重量值）