რატომ შეუძლებელია უბრალოდ სწავლა გრადიენტული ბუსტინგის გამოსვლებზე?

გრადიენტული ბუსტინგში სწავლება ხდება შეცდომების (გრადიენტების) დარჩენილებზე, არა წინა მოდელების გამოსვლებზე. თუ ცდილობთ შემდეგი ძირითადი ალგორითმის სწავლას მხოლოდ წინა გამოსვლებზე, მოდელი არასწორად შეამცირებს შეცდომას, რადგან არ იღებს მხედველობაში შეცდომის მიმართულებას და ზომას, მხოლოდ საბოლოო პროგნოზს.

გრადიენტებზე დაფუძნებული სწავლება საშუალებას აძლევს თანმიმდევრულად გამოსწორდეს წინა მოდელების შეცდომები, რაც უზრუნველყოფს კონვერგენციას და ხარისხის გაუმჯობესებას. თუ მხოლოდ გამოსვლებზე სწავლობთ, მოდელი შეიძლება გადამზადდეს ან არ მიაღწიოს ოპტიმუმს, რადგან არ იღებს მხედველობაში, რამდენად და რა მიმართულებით უნდა შეასწოროს პროგნოზები.

მაგალითი: კლასიკურ გრადიენტულ ბუსტინგში, შემდეგი რეგრესორი სწავლება ხდება რეალურ მნიშვნელობებსა და მიმდინარე პროგნოზებს შორის განსხვავებაზე (დარჩენებზე), არა თავად პროგნოზებზე.