许多真实数据分析任务中蕴含了各种源于现实世界的不确定性，如非稳态数据分布、标注误差/错误、错分类代价不确定等，这些不确定性从不同角度导致了巨大的模型空间，给机器学习技术带来了新的挑战。本报告将探讨如何利用集成学习的思想解决各类非确定环境下的数据分析任务。