1樓：
1、對第一層分類器調參時，可以考慮貝葉斯優化，盡量不要採用網格搜尋等傳統調參方法，同時變換一下評估指標，例如AUC換成F1、GMean等；
2、剔除第一層效能較差的分類器；若剔除後，第一層分類器的個數過少，可以將較強的分類器換一組引數進行補充（前期調參時，不同的評估指標會產生不同的幾組最佳引數）；
3、為了減輕過擬合，第二層分類器最好選擇簡單的模型（LR等），有助於減輕過擬合
4、樣本較少的情況下，stacking不一定比單個的XGboost/LightGBM強，不妨放棄stacking
2樓：
第二層是非常容易過擬合的，所以建議題主使用LR這種簡單的線性模型在第二層試一下
持續關注，希望題主找到問題之後更新一下問題描述~
3樓：Ferris
第二層用 xgb 的話，建議帶上原始特徵。
這種 stacking 就是玄學，meta 特徵多了少了都可能不行；folds 數量也有影響，個人認為泛化能力有限。
4樓：
兩個可能的方向，
1、stacking本身理解或者使用的不對2、即使stacking使用的完全正確，也有一定的概率是不work的2.1 單模型之間的差距太大（這個不是差異，而是效果）2.2 stacking能否工作正常很大程度上依賴cv是否穩定，如果你的單模型在cv和test上的表現不一致的話，就很有可能會出問題，這在樣本量小的時候還是比較常見的。
2.3 stacking也不是萬能的。大多數的情況下stage-1已經能把融合的收益拿的差不多了，stage-2基本上也就是錦上添花，stage-3+最多也就能添個葉子。
在實際工作中，stage-2+可能都不會用到，即使不考慮效能問題，通過這種方法拿到的收益，可能都未必能cover住線上的流量變化帶來的效果抖動。
5樓：巴聰
資訊不夠，但基本可以肯定是stacking的實現出了問題，建議debug一下實現過程。提幾點供參考：1，每乙個第一層模型產生metafeature的過程，可以用多次隨機分組後ensemble以提高每個meta feature的質量，2，不同的第一層模型得到的結果先檢查看看合理不合理，再檢查一下互相關，
在逛街，回家接著答…
為什麼古代看相那麼準？
曲端 劉邦他媽還是被一條龍上了生的劉邦呢，這玩意也能信麼 算命看相這種東西，被記載出來本身就是被用來給政治服務的，讓他準他就準，讓他不准就不准唄。 悠遠劍客 跟甲骨文的卜詞一樣，他們只記載算的準的，算的不准的根本不記載。再有像劉邦那種大丈夫當如是，這種豪言你我小時候多半也說過，而且別人吹噓的多半類似...
既然貸記卡優點比準貸記卡多，為什麼要有準貸記卡？誰會辦呢？
莘莘 準貸記卡特點 刷卡即為透支 透支即開始計息沒有免息還款期 計息方式 每天萬分之五計單利 不提供對賬單，可索取 沒有最低還款額 透支後 60 天未足額還款即為違約 存款計息 使用年限最長兩年。貸記卡特點 先刷後還 免息期最長56天 每天萬分之五計複利 每月均有對賬單 有最低還款額，可分期 還款日...
為什麼他讓我做他女朋友，我同意之後，他就不怎麼理我了，是我不配被寵愛嗎
Lvyyyyyyy 可能性很多啊，我覺得你可以找時間和他聊聊。像我舍友，她就是喜歡追人的過程，但是一旦對方同意了，她就會很反感，然後over。像我，我會因為別人的某處閃光點而追他，但是隨著了解越來越深入，發現了更多缺點之後我可能就接受不了了，但是那時候往往都追到手了，所以一般也是盡快結束。像其他答主...