Əgər gradient boosting və 1000 ağaclı təsadüfi meşədə qurulan ilk ağacı silsək, hər modelin keyfiyyəti nə olacaq?

Təsadüfi meşə halında, hər ağac müstəqil şəkildə qurulur və yekun proqnoz bütün ağacların orta (regressiya) və ya səsvermə (sinifləndirmə) nəticəsidir. Əgər ilk ağac çıxarılırsa, modelin keyfiyyəti bir az pisləşir, amma əhəmiyyətli deyil, çünki digər 999 ağac işləməyə davam edir və itkini kompensasiya edir.

Gradientli boosting halında, ağaclar ardıcıl şəkildə qurulur, hər biri əvvəlkilərin səhvləri üzərində öyrədilir. İlk ağac başlanğıc təxminini müəyyən edir. Əgər ilk ağac çıxarılırsa, bütün ardıcıllıq pozulur və modelin keyfiyyəti çox pisləşir, çünki növbəti ağaclar başlanğıc təxmin olmadan səhvi düzgün kompensasiya edə bilməz.

Nəticə:

• Təsadüfi meşə: kiçik keyfiyyət azalması, model işlək vəziyyətdə qalır.
• Gradientli boosting: əhəmiyyətli keyfiyyət pisləşməsi, model ilk ağacsız mənasını itirir.