En general, en un problema de clasificación donde el objetivo es predecir con precisión la pertenencia a una clase fuera de la muestra, ¿cuándo no debo usar un clasificador de conjunto?
Esta pregunta está estrechamente relacionada con ¿Por qué no usar siempre el aprendizaje conjunto? . Esa pregunta pregunta por qué no usamos conjuntos todo el tiempo. Quiero saber si hay casos en los que se sabe que los conjuntos son peores (no solo "no mejores y una pérdida de tiempo") que un equivalente sin conjunto.
Y por "clasificador de conjunto" me refiero específicamente a clasificadores como AdaBoost y bosques aleatorios, en lugar de, por ejemplo, una máquina de vectores de soporte reforzada roll-your-own.