Как дерево обрабатывает выбросы признаков, отсутствующие в обучающей выборке?

Rozhodovacie stromy zvyčajne spracovávajú chýbajúce alebo nové hodnoty vlastností počas predpovede pomocou niekoľkých prístupov:

• Použitie predvoleného smeru: Ak pri rozdeľovaní podľa vlastnosti narazí na hodnotu, ktorá chýba v tréningovej sade, strom môže nasmerovať objekt po vopred určenom smere (napríklad najčastejšie používanom alebo s najlepšou štatistikou).

• Spracovanie chýbajúcich hodnôt ako samostatnej triedy: Počas tréningu je možné vyhradiť samostatnú hodnotu pre chýbajúce alebo nové vlastnosti, aby sa strom naučil s nimi pracovať.

• Vážené rozdelenie: Niektoré implementácie (napríklad v gradient boosting) rozdeľujú objekt do viacerých vetiev s určitými váhami založenými na štatistike tréningovej sady.

Týmto spôsobom sa strom nezlomí pri stretnutí s novou hodnotou vlastnosti, ale používa heuristiky alebo štatistiky na rozhodnutie. To umožňuje modelu byť odolnejší voči výstrelkom a novým dátam.