¿Cómo superan los métodos de conjunto a todos sus constituyentes?

Question

Estoy un poco confundido acerca del aprendizaje conjunto. En pocas palabras, ejecuta k modelos y obtiene el promedio de estos k modelos. ¿Cómo se puede garantizar que el promedio de los k modelos sea mejor que cualquiera de los modelos por sí mismos? Entiendo que el sesgo es "disperso" o "promedio". Sin embargo, ¿qué pasa si hay dos modelos en el conjunto (es decir, k = 2) y uno de ellos es peor que el otro? ¿No sería el conjunto peor que el mejor modelo?