私はそれらがどのように機能するか（理論的に）は理解していますが、アンサンブル法（投票、加重混合など）を実際に使用する方法はわかりません。
編集：
コメントに関する議論に基づいていくつかを整理するために、randomForestなどのアンサンブルアルゴリズムを探していません。代わりに、異なるアルゴリズムの異なる分類をどのように組み合わせることができるのか疑問に思っています。
たとえば、誰かがロジスティック回帰、SVM、およびその他の方法を使用して、特定の観測のクラスを予測するとします。これらの予測に基づいてクラスの最適な推定値を取得するための最善の方法は何ですか？
回答:
始めるのに適した場所は、アンサンブル学習の概要を知ることです。特にブースティングとバギングを見たいでしょう。別の方法は、Netflix Prizeの「The Ensemble」チームが使用する方法で、「ブレンド」または機能スタッキングと呼ばれます。
次に、それらを実装し、そこから機能するライブラリを見つけます。クイックグーグルでscikitとorangeが表示されましたが、どちらもバギングとブーストが必要です（両方ともPythonです）。
アンサンブルメソッドを使用するだけでなく、少し理論を学びたい場合は、このペーパーが出発点として適していると思います（関心のある部分のリファレンスに従ってください）。
乾杯。
Stumpy Joe Peteの応答は完璧でしたが、Pythonの実装について言及したので、ペルナンブコ連邦大学の醸造プロジェクトについて言及したいと思いました。
https://github.com/viisar/brew
from brew.base import Ensemble
from brew.base import EnsembleClassifier
from brew.combination import import Combiner
# create your Ensemble
clfs = your_list_of_classifiers # [clf1, clf2]
ens = Ensemble(classifiers = clfs)
# create your Combiner
# the rules can be 'majority_vote', 'max', 'min', 'mean' or 'median'
comb = Combiner(rule='majority_vote')
# now create your ensemble classifier
ensemble_clf = EnsembleClassifier(ensemble=ens, combiner=comb)
ensemble_clf.predict(X)この時点で、それらにはアンサンブルの生成、組み合わせ、プルーニング、および動的選択があります。
制限：分類のみ。現在の公開バージョンではスタックなし。多くのドキュメント。
Salford Systemsには、分類および回帰ツリーアンサンブル用にこれを実装するRandom Forestsというソフトウェアパッケージがあります。提供する無料のRパッケージはありません。実装について説明するユーザーマニュアルがあると思います。類推すると、おそらく他のアンサンブルメソッドでそれを行う方法を理解できます。
このチュートリアルは非常に役立ちました。すべての部分に答えているわけではありませんが、議論の素晴らしい出発点だと思います。http：//vikparuchuri.com/blog/intro-to-ensemble-learning-in-r/