Как дерево обрабатывает выбросы признаков, отсутствующие в обучающей выборке?

შეთავაზების ხეები ჩვეულებრივ უყურადღებოდ ან ახალი მახასიათებლების მნიშვნელობებს რამდენიმე მიდგომით მართავს:

• სტანდარტული გზის გამოყენება: თუ გაყოფის დროს მახასიათებელზე შეხვდებით მნიშვნელობას, რომელიც აკლია ტრენინგის ნაკრებში, ხე შეიძლება მიმართოს ობიექტს წინასწარ განსაზღვრულ გზაზე (მაგალითად, ყველაზე ხშირად გამოყენებულ ან საუკეთესო სტატისტიკით გზაზე).

• აკლია მნიშვნელობების როგორც ცალკე კლასის დამუშავება: ტრენინგის დროს შეიძლება განკუთვნოს ცალკე მნიშვნელობა აკლია ან ახალი მახასიათებლებისთვის, რათა ხე ისწავლოს მათთან მუშაობა.

• წონით განაწილება: ზოგიერთი განხორციელება (მაგალითად, გრადიენტული ბუსტინგში) ობიექტს განაწილებს რამდენიმე ფილიალზე გარკვეული წონებით, რომლებიც დაფუძნებულია ტრენინგის ნაკრების სტატისტიკაზე.

ამ გზით, ხე არ გატყდება ახალი მნიშვნელობის შეხვედრისას, არამედ იყენებს ჰერისტიკებს ან სტატისტიკებს გადაწყვეტილების მიღებისთვის. ეს საშუალებას აძლევს მოდელს იყოს უფრო გამძლე ექსტრემალურ მნიშვნელობებსა და ახალი მონაცემების მიმართ.