ایده مدلسازی تجمیعی یعنی ایجاد و ترکیب مدل های استنتاجی برای یک دامنه واحد که بدان وسیله کیفیت پیش بینی بهتری نسبت به تمامی مدلسازی ها بدست خواهیم آویرد. برای اینکه چنین پیشرفتی امکان پذیر باشد، نقاط قوت هر کدام از مدل ها را باید حفظ کرده یا تقویت کرد و نقاز ضعف آنها را باید کاهش داده یا حذف کرد. در این صورت مشخص می شود که صدها مدل که حتی دارای کیفیت متوسط هستند، می توانند به عنوان یک تیم، پیش بینی های درجه یکی داشته باشند.
مدلسازی تجمیعی را می توان در دو فعالیت مدلسازی پیش بینی کننده اصلی طبقه بندی سازی و رگراسیون بکار برد. در هر کدام از این فعالیت ها این مدلسازی باعث می شود به قیمت اختصاص وقت بیشتر برای ایجاد مدل های چندگانه و از دست رفتن قابلیت خواندن انسان، پیشرفت های حیاتی ای در هر کدام از مدل ها داشته باشیم، حتی اگر هر کدام از مدل ها برای انسان کاملا قابل خواند باشد. برای بهره گیری از پتانسیل قدرت پیش بینی بهتر، تکنیک های مناسبی برای ایجاد و انبوه سازی مدل پایه لازم هسند که رایج ترین آنها را در این فصل مورد بحث قرار خواهیم داد. اولین تکنیک ها عمدتا جنبه های مستقل از کار داشته و وابسته به کارهای خاصی هستند و دومین تکنیک ها، تکنیک هایی ساده و هستند که باعث می شوند این مباحث را بتوان هم برای طبقه بندی و هم هم برای رگراسیون بکار برد. در اولین تکنیک است که مدل های جمعی به صورت موفق تری مورد استفاده قرار می گیرند و برخی از تکنیک های مدل سازی جمعی که به طور ویژه برای طبقه بندی طرحی شده اند هم مورد بحث قرار می گیرند.