先由所有基模型对训练集进行预测，使用交叉验证或者留一法生成新的训练集，再由次级学习器（多使用线性回归）训练。
一个例子：
XGB模型，把train分train1~train5,共5份，用其中4份预测剩下的那份,同时预测test数据，这样的过程做5次,生成5份train（原train样本数/5）数据和5份test数据。然后把5份预测的train数据纵向叠起来，把test预测的结果取平均。
RF模型和XGB模型一样，再来一次。这样就生成了2份train数据和2份test数据（XGB重新表达的数据和RF重新表达的数据），将它们并列合并。然后用LR模型，进一步做融合，得到最终的预测结果。