舰船遇险，星牛力挽狂澜(3)

慢慢地，第一束引力波团过来了，粒子对撞机成功被启动！众人松了一口气。接着第二束、第三束引力波团接踵而至，粒子对撞机的迷你黑洞成功将其接收，工程人员随即也记录下了引力波的冲击力大小。再接下来第四束、第五束… …第763束引力波团都被成功接收，粒子对撞机产生的迷你黑洞在接收若干引力波团之后对引力波团的接收频率和抗冲击能力也获得了提高。当然，中间也有个别引力波团对巡航舰造成了破坏，导致飞船的散热出现短暂故障，不过很快被修复。但是在接收第6043个引力波团的时候，粒子对撞机开始报警，主要原因是巡航舰搭载的核能即将耗尽，如果将所有核能全部耗尽，即便穿过了这个引力波团的密集攻击，那么飞船也将会失去主动加速和制动的机会，只能任由大星体捕捉或者毁灭，所以舰长建议停止粒子对撞机。粒子对撞机停下来之后技术人员开始对已经获得的的引力波团数据进行建模和分析，很快按照之前陨石雨的方案得到了一个初步的模型，但是效果不甚理想，准确率只有63%，导致巡航舰的侧翼受损严重。

眼看下一轮引力波团就要到来，巡航舰上的船员陷入了犹豫：这样下去与慢性自杀无异。K30舰长也陷入了两难的境地，一时间也不知道如何是好。
此时的星牛反倒没有说话，自己躲在角落好像在思考着什么。星牛确实想到了什么。因为BIT“生前”曾经跟他提到过一个方案，就是在遇到陨石雨的时候，就是如果我们能够侥幸通过陨石雨，但是损失惨重的话，可以通过一个增强方案以备下次使用。于是星牛把这个方案分享给了大家。
简单来说，我们利用现在掌握的数据很难获得一个精准的模型以准确判断引力波团的冲击力到底有多大，但是我们起码有个基础的模型，准确率可以达到60%以上，如果我们有多个类似的基础模型，每个基础模型能够在不同的数据判断上有所侧重，然后将多个模型“融合”在一块，作为整体的模型，利用整合之后的模型继续学习数据的深层次信息，或许能够获得一个更好的效果提升。而多个效果不甚理想的基础模型是通过反复学习得到的，即第一轮我们可以获得一个基础模型，他能够在60%多的数据上表现出良好的判断准确性，剩下30%多容易误判；接下来改变数据的权值分布或者概率分布，从而使得当前这个基础模型误分类的样本（30%多分类错误的样本）权重获得提升，正确分类的样本权重下降，从而在训练下一轮效果比较差的基础模型的时候，可以让模型更加关注误分类的样本（具体就是提升误分类的数据样本的权重，对应的也提升了模型需要优化的误差或者损失，然后通过优化函数使得模型可以在这些被上一轮模型误分类的数据上重点学习从而判断更准确），然后随着学习轮次的增加，所有的误分类的样本都会如此通过概率分布的调整被不断训练的新的基础模型所解决，最终，整合之后的模型对所有数据误分类的情况普遍下降，理想情况下甚至可以达到消除误分类。