集成学习说的是多个模型进行有效集成。
Bagging 集成学习方法：个体模型不存在强依赖关系，可并行生成，如随机森林。
Boosting 集成学习方法：个体模型间存在强依赖关系，必须串行生成，相当于做一个错题本。
Stacking 集成学习方法：训练meta-model来整合不同的弱分类器，从而得到最终的预测模型。
绝对多数投票法：如果过半就取，否则没有最优解。
