如果自变量都是一样的，根据相同的自变量去训练多个模型求平均是没有意义的。随机森林：是一种由决策树构成的bagging集成算法，森林指的是很多棵树，随机指的是样本和特征都随机抽取（有放回的随机抽取，保证森林里面的每棵树都是不那么一样的）。stacking代码：（忽略in[]括号里的顺序，按照代码排序运行即可，因为我反复运行程序了导致in[]顺序与代码排序不同）：用不同的算法去训练多个模型，把多个模型

（1）显著水平,就是P值,这是首要的,因为如果不显著,相关系数再高也没用,可能只是因为偶然因素引起的,那么多少才算显著,一般p值小于0.05就是显著了；例如p值=0.001,就是很高的显著水平了,只要显著,就可以下结论说：拒绝原假设无关,两组数据显著相关也说两者间确实有明显关系.通常需要p值小于0.1,最好小于0.05设甚至0.01,才可得出结论：两组数据有明显关系,如果p=0.5,远大于0.1,