1.motivation of aggregation 假如我們學習了T個模型，那麼我們怎麼組合這些模型能得到最好的模型呢？ 1.用validation求出其中最好的一個作為我們最終的模型。 2.利用所有的模型進行平均投票。 3.非均勻投票。 4.不同條件下給與不同的投票權重。

第一張影象的詳細解釋。

僅靠一個模型選擇可能效果不如眾多模型一起的結果。 上圖說明，投票的結果能夠使學習結果更好。有點像核函式和正則化的作用。 2.Uniform blending 上面是對二分類和多分類的blending，當多分類時為求出票數最多的種類即是我們所需要的種類。

對於迴歸，我們需要對求和的結果做平均不然最後的結果超過1. 對於均值投票，當投票者的差異越大時，最後的結果越好，這是為什麼呢？

4.Bagging