随机森林融合GBDT算法

要融合随机森林和GBDT算法，可以使用权重融合的方法。首先，使用GBDT回归算法和随机森林算法分别进行模型训练，然后通过交叉验证方法验证误差。接下来，按照不同的权重将两个模型的预测结果进行融合。根据需求可以调整权重的大小，以达到更好的结果。最后，通过对融合模型的评估，可以得到最终的融合模型的性能指标，如均方误差（MSE）。根据引用的信息，最终测得的MSE为0.1365。

引用中提到的模型训练方法包括xgboost算法、GBDT回归算法、随机森林算法等。GBDT深度不要超过6，而随机森林可以在15以上。随机森林是bagging的改进，通过特征随机选择生成好决策树，进而生成随机森林。因此，通过融合随机森林和GBDT算法，可以结合两者的特点和优势，提高模型的准确性和泛化能力。