1 多模型融合的优势
Why it helps to combine models
模型的偏差与方差：
- 对于回归模型来说，预测的平方误差可以分解为偏差和方差
- 当模型过于简单时，预测精度低，此时模型的偏差过大
- 当模型过于复杂时，模型缺少泛化能力，模型方差过大
- 多个偏差大的简单模型通过融合后可以提高最终的预测精度（降低偏差）
- 多个过拟合（高方差）的模型融合后可以提高模型的稳定性（降低方差）
当单模型间的差异性（不是指性能差异）越大时，融合模型的效果越好
为什么模型融合会降低方差：
- 假设所有模型的预测均值为$\overline{y}$： $$