La piel humana es la parte más expuesta del cuerpo humano que necesita protección y cuidado constantes contra el calor, la luz, el polvo y la exposición directa a otras radiaciones dañinas, como los rayos UV. El cáncer de piel es una de las enfermedades peligrosas que se encuentran en los seres humanos. El melanoma es una forma de cáncer de piel que comienza en las células (melanocitos) que controlan el pigmento en la piel humana. La detección temprana y el diagnóstico del cáncer de piel, como el melanoma, son necesarios para reducir la tasa de mortalidad debido al cáncer de piel. En este trabajo, se está llevando a cabo la clasificación del melanoma lentiginoso acral, un tipo de melanoma con nevos benignos. El método de conjunto apilado propuesto para la clasificación del melanoma utiliza diferentes modelos pre-entrenados, como Xception, Inceptionv3, InceptionResNet-V2, DenseNet121 y DenseNet201, mediante la aplicación del concepto de aprendizaje por transferencia y ajuste fino. La selección de arquitecturas de CNN pre-entrenadas para el aprendizaje por transferencia se basa en modelos que tienen las mayores precisión top-1 y top-5 en ImageNet. Se presenta un novedoso marco basado en conjuntos apilados para mejorar la generalización y aumentar la robustez mediante la fusión de modelos de CNN pre-entrenados ajustados finamente para la clasificación del melanoma lentiginoso acral. El rendimiento del método propuesto se evalúa experimentando en un conjunto de datos de referencia de Figshare. También se ha analizado el impacto de aplicar diferentes técnicas de aumento a través de experimentaciones extensas. Los resultados confirman que el método propuesto supera a las técnicas de vanguardia y logra una precisión del 97.93%.