返回信息流原文https://mlwave.com/kaggle-ensembling-guide/
我的理解是stacking要进行交叉训练，而blending不进行，直接使用少量的数据来训练基模型，但是下面这段不太懂：
Blending has a few benefits:
It is simpler than stacking.
It wards against an information leak: The generalizers and stackers use different data.
You do not need to share a seed for stratified folds with your teammates. Anyone can throw models in the ‘blender’ and the blender decides if it wants to keep that model or not.
跟随机种子有什么关系啊，信息泄露是什么意思？
[ema23]
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #27050同步于 2017/12/2
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
关于blending和stacking
chhaapspey
2017/12/2镜像同步5 回复
订阅后，新回复会通过你的通知中心匿名送达。
5 条回复
【 在 FrancisGeek 的大作中提到: 】
: 随机种子是在K-fold时候用的，理论上stacking技术可以模拟任何Ensemble技术
谢谢啊，我有点理解了，随机种子是避免结果复现的对吧，blending可以被任何人使用而不需要随机种子，而stacking就必须要随机种子才能复现
关于没CV会信息泄露这句话我还是不太明白，如果用全部训练数据训练，然后在该模型上预测训练标签，才会是你说的看答案再做题，但是blending是用一部分训练，剩下的部分预测，怎么就信息泄露了呢？