听林轩田老师的《机器学习技法》，Lecture 7讲到model的blending。

理解了一个之前一直模棱两可的概念：bootstrap.

先说一下什么是blending。在机器学习中，我们可能可以很容易地得到一些简单的model，比如对于二分类问题，我们可以有一系列简单的model做分类，但是这些model的效果并不一定好。

一个做法就是我们对这些简单的model进行一个voting，把voting的结果作为最终的strong的model的结果。

vote的过程，可以是每个model的权值都相同，即每个model都有一票，也可以是定义一系列的alpha，让每个model有不同的票数。

一个很容易想到的问题就是，这些简单的，或者说是weak的model从哪里来？

一种方式是model的类型就不一样，比如可以训练一个svm，一个linear regression,一个logistic regression，这三个model本身就组成了这些简单的model;

一种方式是同一种model，选取不同的参数来生成简单的model，如调整svm的参数C就可以得到一系列的svm;

第三种方式，就是bootstrap，这种方式是通过使用不同的训练集合来得到一系列的model，训练集合的获取方式是这样的:从原来的训练集合中有放回地进行抽样，用每次得到的不同的样本进行训练，从而就得到了若干个model。