經過三份數據集的結果，我們可以發現OPEC-Stacking在訓練集與測試集之平均RMSE在第一筆資料優於其他所有模型，第二及第三筆使用上較不理想；而單純看測試集之RMSE的話，第三筆資料基本上贏過其他的方法，第一及第二筆資料則較不理想。
📍推測可能原因：
📌模型在處理資料不均衡或特徵選擇時效果有限。
📌Optuna在訓練過程中，有時受到目標函數不穩定影響，使學習失衡。
📌殘差共變異矩陣不穩定。
📍未來改進方法：
📌重新調整基礎模型參數。
📌檢查和限制Twinning或Optuna。