介绍
前面对模型的组合主要用了两种方式：
（1）一种是平均/投票；
（2）另外一种是加权平均/投票；
所以，我们有时就会陷入纠结，是平均的好，还是加权的好，那如果是加权，权重又该如何分配的好？如果我们在这些模型预测的结果上再训练一个模型对结果做预测，那么岂不是就免除了这些烦恼；而训练后，也可以方便的获取这些基分类器的权重（等价于下一层级模型的特征权重），且结果也更为客观！简单流程如下：
当然实际训练时回更加细致和复杂，比如：
（1）通常会对数据做(k)折切分，切分为(k)份，然后将每个基学习器扩展为(k)个基学习器，每个学习器学习(k-1)份训练数据；
（2）对分类器，预测结果通常会取概率分布，这样可以提取更多的信息；
（3）上面的结构还可以无限叠加，构建更加复杂的stacking结构，比如对新的拼接特征又训练几组基分类器，然后再组合...
stacking的代码实现，跳转>>>