怎么使用模型融合Stacking效果没有提升反而下降？

       关于模型融合的原理以及模型融合的各种方法的文章帖子太多太多，不得不说千篇一律，然而模型融合怎么总感觉是‘别人家的模型融合’，自己模型融合效果没有提升反而下降了呢？我们说说被称为kaggle后期杀手锏的Stacking。

一、简单说下Stacking最核心的两个点，推荐以下文章了解stacking其他内容。

• Kris Zhao：【干货】比赛后期大招之stacking技术分享
• 峰峰：详解Stacking
• Stacked Regression的详细步骤和使用注意事项

        1、我们知道Bagging是一种集成框架，它的基学习器追求的是“弱而不同”。bagging中的学习器往往是决策树，主要就是看中了决策树的不稳定性(instability)。过于准确的基学习器会使得bagging的集成失去意义。

            Stacking也可以认为是一种集成框架，不过有别于Bagging的是，Stacking是集百家之长，即集多个不同模型的长处而产生更好的结果。即要求各个基分类器满足：差异化(diversity)要大、准确性(accuracy)要高

           同样是集成模型，为什么两者的基学习器恰恰相反呢？