BHI的breed方法就是不断用新数据训练模型，然后选表现好的模型再训练，这样模型越来越强。比如先拿1000组数据练一遍，挑出准确率最高的50个模型，再用5000组新数据分别喂给这50个模型，选出来得分最高的那个继续优化。整个过程就像养孩子一样，一代比一代聪明。

为什么这么搞呢？首先训练数据越多模型越稳定，BHI团队测试过，数据量翻倍准确率涨了15%。然后交叉训练能避免过拟合，他们对比过两次方法，选优后的模型在测试集上错了3.2个样本，比直接训练的少错1.8个。持续迭代是关键，五轮下来效果提升25%，就像滚雪球一样越滚越大。不过要注意每次训练得留出验证集，不然容易把模型喂坏。