１層目はバギングベースの機械学習モデル（MLモデル）で構成される。
１層目の予測結果が、２層目に送られる。
２層目は、ロジスティック回帰などの別の機械学習モデルで構成される。
１層目の予測結果を元に、最終予測結果が出力される。

２層以上のアンサンブルで構成されるため、単純なバギングベースのアンサンブルと比較すると、予測性能が向上する可能性が高まるというメリットがあるが、その反面、層が複雑になるほど学習に費やす計算コストが増え、全体の処理時間が長くなる。