之前在機器學習基石課程中就介紹過，feature transform 和 regularization 是對立的，還把它們分別比作踩油門和踩剎車。如果進行 feature transform，那麼 regularization 的效果通常很差，反之亦然。也就是說，單一模型通常只能傾向於 feature transform 和 regularization 之一，在兩者之間做個權衡。但是 aggregation 卻能將 feature transform 和 regularization 各自的優勢結合起來，好比把油門和剎車都控制得很好，從而得到不錯的預測模型。 影片內容 pdf：https://www.csie.ntu.edu.tw/~htlin/course/mltech18spring/doc/207_handout.pdf