В чем разница между стекингом и блендингом

Стекинг и блендинг — это методы ансамблирования моделей, но они различаются подходом к комбинированию предсказаний.

Стекинг использует метамодель (например, линейную регрессию), которая обучается на предсказаниях базовых моделей. Пример:

from sklearn.ensemble import StackingClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier

base_models = [('dt', DecisionTreeClassifier())]
stacker = StackingClassifier(estimators=base_models, final_estimator=LogisticRegression())

**Блендинг** — это упрощенный стекинг, где предсказания усредняются или взвешиваются без обучения метамодели. Пример:  
```python
preds = (model1.predict_proba(X) + model2.predict_proba(X)) / 2

Ключевое отличие: стекинг обучает метамодель на выходе базовых моделей, а блендинг просто комбинирует предсказания (часто через среднее или голосование). Стекинг обычно точнее, но сложнее и требует больше вычислительных ресурсов.