我最近在多中心数据集的MLR（R）中运行了集成分类器。我注意到，三个分类器（在不同的数据模态上受过训练）的集合比最佳分类器差。 这对我来说似乎是意外的。我将逻辑回归（不进行任何参数优化）用作简单分类器，并将偏最小二乘（PLS）判别分析用作超级学习者，因为基本学习者的预测应该相关。我还测试了NB和逻辑回归等不同的超级学习者。结果没有改变。
这是我的具体问题：
1）您知道吗，原则上是否可以发生？ （我也用Google搜索了一下，发现这个博客似乎表明它可以： https://blogs.sas.com/content/sgf/2017/03/10/are-ensemble-classifiers-always-better-than-single-classifiers/）
2）特别是，如果您像我一样感到惊讶，您是否知道我可以在mlr中进行任何检查以确保没有错误。我尝试使用不同的交叉验证方案（最初我使用的是“离开中心”的简历，但是由于某些中心提供的数据很少，因此我不确定这是否会导致超级学习者的模型拟合变得很奇怪），但是它仍然成立。我还尝试结合不同的数据模式，它们给了我相同的现象。
很高兴听到您是否经历过此事，是否经历过此事，是否知道可能会出什么问题。
谢谢！