Как дерево обрабатывает выбросы признаков, отсутствующие в обучающей выборке?

Decisoni stabla obično obrađuju nedostajuće ili nove vrednosti karakteristika tokom predviđanja pomoću nekoliko pristupa:

• Korišćenje podrazumevanog puta: Ako pri deljenju po karakteristici naiđe na vrednost koja nedostaje u trening skupu, stablo može usmeriti objekat putem unapred definisanog puta (npr., najčešće korišćenog ili sa najboljom statistikom).

• Obrada nedostajućih vrednosti kao zasejne klase: Tokom obuke, može se rezervisati posebna vrednost za nedostajuće ili nove karakteristike, kako bi stablo naučilo da radi sa njima.

• Vagano raspoređivanje: Neke implementacije (npr., u gradijent boostingu) raspoređuju objekat na više grana sa određenim težinama, zasnovanim na statistici trening skupa.

Na ovaj način, stablo se ne lomi kada naiđe na novu vrednost karakteristike, već koristi heuristike ili statistike za donošenje odluke. Ovo omogućava modelu da bude otporniji na izuzetne vrednosti i nove podatke.