โดยทั่วไปแล้วจะไม่เป็นความจริงที่มันจะทำงานได้ดีขึ้นเสมอ มีวิธีการรวมกันหลายวิธีแต่ละวิธีมีข้อดี / จุดอ่อนของตัวเอง ใช้ตัวไหนแล้วขึ้นอยู่กับปัญหาที่เกิดขึ้น
ตัวอย่างเช่นหากคุณมีแบบจำลองที่มีความแปรปรวนสูง (แบบจำลองเหล่านี้มีขนาดพอดีกับข้อมูลของคุณ) แสดงว่าคุณน่าจะได้รับประโยชน์จากการใช้ถุงบรรจุ หากคุณมีแบบเอนเอียงจะเป็นการดีกว่าถ้าใช้แบบรวมกับ Boosting นอกจากนี้ยังมีกลยุทธ์ที่แตกต่างในการสร้างวงดนตรี หัวข้อกว้างเกินไปที่จะครอบคลุมในคำตอบเดียว
แต่ประเด็นของฉันคือ: ถ้าคุณใช้วิธีวงดนตรีที่ไม่ถูกต้องสำหรับการตั้งค่าของคุณคุณจะไม่ทำได้ดีกว่า ตัวอย่างเช่นการใช้การห่อด้วยแบบลำเอียงจะไม่ช่วย
นอกจากนี้หากคุณจำเป็นต้องทำงานในการตั้งค่าความน่าจะเป็นวิธีการทั้งมวลอาจไม่ทำงานเช่นกัน เป็นที่ทราบกันว่า Boosting (ในรูปแบบที่นิยมมากที่สุดเช่น AdaBoost) ให้การประมาณการความน่าจะเป็นที่น่าสงสาร นั่นคือถ้าคุณต้องการมีแบบจำลองที่ช่วยให้คุณให้เหตุผลเกี่ยวกับข้อมูลของคุณไม่เพียง แต่การจำแนกประเภทคุณอาจจะดีกว่าด้วยโมเดลกราฟิก