元分类器（meta-classifier），工学-信息与通信工程-模式识别-统计模式识别-元分类器，集成学习中组合分类器的一种方法。是关于分类器的分类器。集成学习的思想是将不同的分类器进行组合得到一个元分类器。这个元分类器相对于单个分类器拥有更好的泛化性能，即组合分类方法是融合多个分类器的结果从而得到一个新的融合结果，这个融合结果将取代各个基分类器的结果作为最终的分类决定，从而达到更好的分类效果。构建一个多分类器系统，首先需要产生多个基分类器用以组合。获得了基分类器的分类结果后，组合分类器需要特别的融合方法去融合这些结果。融合方法可以分为两种：固定的融合方法和可训练的融合方法。比较主流的一种可训练的融合方法叫作元学习的方法。元学习的融合方法是将基分类器输出的分类结果作为中间特征（又称元特征），然后把这些特征向量作为输入再一次学习一个分类器，该第二层的分类器叫作元分类器。