为什么Stacking融合的效果不提升反下降

阅读量：

关于模型融合的基本原理及其多种实现方式的相关讨论内容层出不穷，但不得不说这些内容大多雷同，令人感到乏味。然而，为何在实际应用中，模型融合的效果往往难以达到预期？甚至有时还会出现性能下降的情况？我们来探讨一下被广泛应用于Kaggle竞赛后期阶段的Stacking方法。

一、简要介绍Stacking的核心要点，如需进一步了解Stacking的其他相关内容，推荐参考以下文章。

1、我们了解到Bagging是一种集成学习框架，其基础学习器强调的是“弱而多样”。Bagging中常用的学习器通常是决策树，这主要得益于决策树本身的不稳定性。如果基础学习器过于精确，则可能导致Bagging的集成效果大打折扣。

Stacking同样可以被视为一种集成框架，但与Bagging不同的是，它更注

全部评论 (0)

还没有任何评论哟~