绝对多数投票法（Majority Voting）定义为

即若某标记得票过半数，则预测为该标记，否则拒绝预测

相对多数投票法（Plurality Voting）定义为

即预测为得票最多的标记，若同时有多个标记获得最高票，则从中随机选取一个。

加权投票法（weighted voting）定义为

与加权平均法类似， 是 的权重，通常 ，

标准的绝对多数投票法提供了拒绝预测选项，这在可靠性要求较高的学习任务中是一个很好的机制。若学习任务要求必须提供预测结果，则绝对多数投票法将退化为相对多数投票法。

注意。上面的定义没有限制个体学习器输出值的类型。在现实任务中，不同类型个体学习器可能产生不同类型的 值，常见的有

• 类标记：，若 将样本 预测为类别 则取值为 ，否则取值为 ，使用类标记的投票也称为「硬投票」（Hard Voting）
• 类概率：，相当于对后验概率 的一个估计。使用类概率的投票亦称为「软投票」（Soft Voting）

注意，不同类型的 值不能混用