Machine learning 使用；“第一级”；机器学习模型，用于为；第二级“；模型

我已经学习了特定的模型，但我想了解更多关于机器学习问题解决的特定部分。我还没有找到关于这方面的论文，部分原因是我不知道它叫什么

我有一个很大的数据集。我已经在此基础上训练了许多二进制分类器模型。我想把这些模型的预测放到一个“二级”模型中。在这篇文章中，我还想添加其他功能，比如“所有模型都同意这个类”之类的东西

我不确定在向这个二级模型添加功能时我有多大的回旋余地。从“第一级”模型中获取数据要素并将其放入“第二级”可以吗？有没有一个名字可以用来描述像这样的堆叠模型的过程？我能再重复一遍这个过程，做一个“第三级”吗

---

谢谢你

我觉得你的问题与打包、增强和集成有关，搜索它们，例如“所有模型都同意这门课吗”听起来像“多数投票集成”，以及“我已经在这方面训练了许多二元分类器模型。我想把这些模型的预测放到“二级”模型中。”听起来像是：adaboost，你的训练将给每个分类器一个权重（类似于在ML中你给每个特征赋予权重），分类器的输出将是“特征”，因此每个分类器的输出将通过训练时学习的权重进行加权。此外，如果您计划使用深度学习，还有一种“转移学习”，即您使用一个分类器作为特征提取器，并使用该特征来训练另一个分类器。

这个问题可能更适合您。你要找的东西叫做。也可以在集成学习中搜索“堆叠”。