In generale, in un problema di classificazione in cui l'obiettivo è prevedere con precisione l'appartenenza alla classe fuori campione, quando non dovrei usare un classificatore di ensemble?
Questa domanda è strettamente correlata a Perché non usare sempre l'apprendimento d'insieme? . Questa domanda ci chiede perché non usiamo sempre ensemble. Voglio sapere se ci sono casi in cui gli ensemble sono noti per essere peggiori (non solo "non meglio e una perdita di tempo") rispetto a un equivalente non ensemble.
E per "classificatore d'ensemble" mi riferisco in particolare a classificatori come AdaBoost e foreste casuali, al contrario, ad esempio, di una macchina vettoriale di supporto potenziata roll-your-own.