今天要介紹Recurisive Model Indexes (RMI)，大家還記得初步實驗嗎? 當時他們只使用單一個NN模型進行訓練，發現訓練後的精準度不佳，因此提出了 J 個架構 !

The Recursive Model Indexes(RMI)

• 多層式Model架構，層數越多Model數量越多
  • 舉例: 第一層 1個 Model，第二層 5個，第三個20個。
• 每個Model可以用不同的模型
  • Simple Linear Regression, Different types of NN

RMI如何訓練資料?

1. 一開始從第一層的 Model 1.1訓練所有的資料

2. Model 1.1 訓練完的結果，根據 Model 1.1 預測的位置，將資料分配下一層的 Model 2.x

3. 再將第二層的 Model 2.x，依序訓練各自被分配到的資料

4. 如同 步驟2 在將資料分配給下一層的Model

5. 直到最後一層，最後一層的每個Model負責預測出資料的位置

範例圖如下:

Total Keys: 3, 4, 7, 13, 24, 28, 31

紅色箭頭: 訓練完後分配Keys至下一層的各個Model

以上圖來看，最後一層的Models只需負責少量資料的訓練與預測，因此可以降低精準度的問題，

這個架構相比使用單一Model來訓練所有的資料並預測，厲害多了 !

但是如何將訓練好的資料分配至下一層的 Model x.x 呢..? 是如何選擇 Model 的呢 ?