机器学习中的投票算法是指什么？

voting（投票）和averaging（平均）是stacking算法两种手段。voting针对的是分类问题，averaging针对的回归问题。

比如随机森林分类就是投票算法。每棵树产生一个预测，我们最终是看所有树的预测结果，得票最多的预测结果就是最终的预测结果。

当然我们也可以创造一些投票模型，比如对于一个二分类问题，我们有5个模型：决策树、SVM、k近邻、逻辑回归、朴素贝叶斯。对于一个样本，我们就可以得到5个预测结果，它们未必相同，我们就选择得票最高的预测结果。

投票就是把各个分类器的结果进行汇总。

hard voting：将各个分类器得到的结果进行汇总，选择得票最多的那个结果为预测结果。最终返回标签。

soft voting：将各个分类器得到的预测概率进行平均。最终返回概率。

sklearn里相关的实现：voting-classifier。