Ciertamente puedes apilar dos modelos. Si será efectivo depende de cómo lo haga, el contexto, los datos, etc.
No estoy seguro de si esta es una pregunta hipotética o aplicada. En cualquier caso, necesitaría más información que la que tengo.
Si desea aclarar cómo está viendo este problema y dar detalles relevantes, hágamelo saber por comentario. Actualizaré mi respuesta.
- ¿Qué es una descripción general del aprendizaje de múltiples núcleos (MKL)?
- Cómo desarrollar software que se afinará
- ¿Cuáles son los algoritmos de aprendizaje profundo que pueden corregir los errores de reconocimiento óptico de caracteres (OCR)?
- En la optimización matemática, ¿por qué alguien usaría el descenso de gradiente para una función convexa? ¿Por qué no encontrarían simplemente la derivada de esta función y buscarían el mínimo de la manera tradicional?
- ¿Cuál es la mejor manera de aprender a usar LDA (asignación de dirichlet latente) con Python?
Editar: la información que necesito es cómo está aplicando los dos modelos, es decir, cómo está definiendo la palabra “dos” y la razón por la que está limitado a esos “dos”. Dos escenarios diferentes pueden ser
- Tiene la salida de dos modelos complejos que no puede repetir y le gustaría apilarlos. Se le permite usar un tercer modelo para apilarlos.
- Esta es una pregunta hipotética, en la que desea, por cualquier razón, usar solo dos modelos. Sin embargo, puede usar dos (o más) conjuntos diferentes de parámetros (hiper) en el mismo algoritmo que el algoritmo base y, en este caso, apilar con el segundo modelo.
Hay otras variaciones, pero espero que pueda ver la necesidad de agregar más información ahora.