सामान्य तौर पर यह सच नहीं है कि यह हमेशा बेहतर प्रदर्शन करेगा। कई कलाकारों के तरीके हैं, जिनमें से प्रत्येक के अपने फायदे / कमजोरियाँ हैं। कौन सा उपयोग करना है और फिर हाथ में समस्या पर निर्भर करता है।
उदाहरण के लिए, यदि आपके पास उच्च विचरण वाले मॉडल हैं (वे आपके डेटा को ओवर-फिट करते हैं), तो आपको बैगिंग का उपयोग करने से लाभ होने की संभावना है। यदि आपके पास पक्षपाती मॉडल हैं, तो उन्हें बूस्टिंग के साथ उपयोग करना बेहतर है। पहनावा बनाने के लिए अलग-अलग रणनीतियाँ भी होती हैं। विषय सिर्फ एक उत्तर में इसे कवर करने के लिए बहुत व्यापक है।
लेकिन मेरी बात है: अगर आप अपनी सेटिंग के लिए गलत कलाकारों की टुकड़ी विधि का उपयोग करें, तो आप कर रहे हैं नहीं बेहतर करने के लिए जा रहा है। उदाहरण के लिए, पक्षपाती मॉडल के साथ बैगिंग का उपयोग करने से मदद नहीं मिलेगी।
इसके अलावा, यदि आपको एक संभाव्य सेटिंग में काम करने की आवश्यकता है, तो पहनावे के तरीके भी काम नहीं कर सकते हैं। यह ज्ञात है कि बूस्टिंग (AdaBoost जैसे इसके सबसे लोकप्रिय रूपों में) खराब संभावना अनुमान लगाता है। यही है, यदि आप एक मॉडल रखना चाहते हैं जो आपको अपने डेटा के बारे में तर्क करने की अनुमति देता है, न केवल वर्गीकरण, आप एक ग्राफिकल मॉडल के साथ बेहतर हो सकते हैं।