연구에 따르면 표 기반 모델(TFM) 앙상블은 예상보다 효과적이지 않으며, 6개의 최신 TFM은 거의 중복되는 경향을 보입니다.
6개의 TFM을 다양한 앙상블 전략으로 결합한 결과, 가장 좋은 전략인 2단계 캐스케이드 스태킹은 단일 TFM보다 정확도가 0.18% 향상되었지만, 컴퓨팅 비용은 253배 더 높았습니다.
로지스틱 회귀 메타 학습기를 사용한 스태킹은 정확도와 ROC-AUC는 경쟁력이 있지만, 로그 손실 순위는 앙상블 중 가장 낮았으며, 이는 교정 성능 저하를 야기했습니다.