实验证实Stacking仅在基模型错误不同时提升准确率

发生了什么

据Towards Data Science分析，Himanshu Sharma的实验证实Stacking集成仅在基模型犯不同类型错误时有效。在基模型错误多样化的条件下，Stacking集成准确率达0.830，优于最佳单模型（0.820）；而在基模型错误相关的条件下，Stacking准确率仅0.835，与最佳单模型（0.834）差异不显著。实验表明，若基模型错误高度一致，Stacking几乎无增益，且投票集成在两种条件下均表现不佳。