Как мы знаем, ансамблевое обучение сочетает в себе сильные стороны нескольких базовых учащихся, таким образом, достигая лучших результатов, чем отдельные учащиеся.Для обучения ансамблю есть три способа: пакетирование, повышение и укладка.В Bagging несколько базовых учеников обучаются поднаборам, извлеченным с использованием методов начальной загрузки.Затем базовые учащиеся применяются для прогнозирования тестовых данных, соответственно, и результаты которых (вероятности и метки) объединяются с голосованием для получения окончательных результатов.Я думал, что голосование было недостаточно сильным, и вместо голосования я принял классификатор логической регрессии, который применялся для построения мета-обучения в методе стекирования.Была ли эта комбинация сработана?Или это было разумно?Кстати, мои простые обучающие данные были последовательностями РНК, и каждая последовательность была бы преобразована в вектор признаков для последующей работы.