Как меняется bias и variance при ограничении глубины дерева в random forest

Ограничение глубины дерева в Random Forest влияет на bias и variance следующим образом:

1. Мелкие деревья (малая глубина):
   • Увеличивается bias (недообучение) - деревья становятся слишком простыми и не могут уловить сложные зависимости
   • Уменьшается variance - отдельные деревья дают более стабильные предсказания

2. Глубокие деревья:
   • Уменьшается bias (переобучение) - деревья подстраиваются под данные
   • Увеличивается variance - предсказания отдельных деревьев становятся менее стабильными

Пример настройки в sklearn:

from sklearn.ensemble import RandomForestClassifier

# Ограничение глубины уменьшает variance, увеличивает bias
rf = RandomForestClassifier(max_depth=3, n_estimators=100)

Оптимальная глубина находится балансом между bias и variance, обычно через кросс-валидацию.