我正在为一个可能有多种分类器的问题编写机器学习解决方案，这取决于数据。因此，我收集了几种分类器，每种分类器在某些条件下表现得比其他分类器更好。我正在研究元分类策略，发现有几种算法。能有人指出它们之间的根本区别吗？

回答：

投票算法是一种简单的策略，你通过聚合分类器的决策结果来实现，例如选择在大多数情况下出现的类别。堆叠/评分策略是这种概念的泛化。不仅仅是简单地说“好的，我有一个方案v，我将用它在我的k个分类器中选择最佳答案”，你创建了另一个抽象层，在这里你实际上是学习如何根据k个投票来预测正确的标签。

简而言之，基本的投票/堆叠/评分方法可以概括为：

• 投票 – 你有一个固定的方法v，给定答案a_1,...,a_k，结果为a=v(a_1,...,a_k)
• 堆叠 – 你将答案用作问题的新的表示形式，因此对于每个(x_i,y_i)，你得到(a_i_1,...,a_i_k)，从而创建训练样本((a_i_1,...,a_i_k),y_i)，并在此基础上训练元分类器
• 评分 – 你为每个k个分类器训练一个单独的元分类器，以预测其对当前点的“分类评分”，并用它来做出决策