Как дерево обрабатывает выбросы признаков, отсутствующие в обучающей выборке?

Τα δέντρα αποφάσεων χειρίζονται συνήθως τις απουσίες ή τις νέες τιμές χαρακτηριστικών κατά τη διάρκεια της πρόβλεψης με διάφορες προσεγγίσεις:

• Χρήση προεπιλεγμένης διαδρομής: Αν κατά τη διαίρεση ενός χαρακτηριστικού βρεθεί μια τιμή που λείπει από το σύνολο εκπαίδευσης, το δέντρο μπορεί να κατευθύνει το αντικείμενο σε μια προκαθορισμένη διαδρομή (π.χ., την πιο συχνά χρησιμοποιούμενη ή αυτή με τα καλύτερα στατιστικά).

• Χειρισμός των απουσιών ως ξεχωριστής κλάσης: Κατά τη διάρκεια της εκπαίδευσης, μπορεί να διατεθεί μια ξεχωριστή τιμή για τις απουσίες ή τις νέες τιμές, ώστε το δέντρο να μάθει να εργάζεται με αυτές.

• Ζυγισμένη κατανομή: Ορισμένες υλοποιήσεις (π.χ., στο gradient boosting) διανέμουν το αντικείμενο σε πολλαπλές κλαδιές με καθορισμένα βάρη, βασισμένα στα στατιστικά του συνόλου εκπαίδευσης.

Έτσι, το δέντρο δεν σπάει όταν συναντά μια νέα τιμή χαρακτηριστικού, αλλά χρησιμοποιεί ευρετικές ή στατιστικές για να πάρει μια απόφαση. Αυτό επιτρέπει στο μοντέλο να είναι πιο ανθεκτικό σε ακραίες τιμές και νέα δεδομένα.