Встречается на собеседованиях • сегодня

В случае какого алгоритма: бустинга или случайного леса - больше variance

Бустинг (например, Gradient Boosting) обычно имеет меньшую дисперсию (variance) по сравнению со случайным лесом (Random Forest), так как бустинг последовательно корректирует ошибки предыдущих моделей, уменьшая переобучение. Случайный лес, будучи ансамблем независимых деревьев, имеет более высокую дисперсию, но за счет агрегирования предсказаний (усреднения или голосования) он снижает переобучение.

Пример сравнения в sklearn:

python
from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier
from sklearn.model_selection import cross_val_score
from sklearn.datasets import make_classification

X, y = make_classification(n_samples=1000, n_features=20, random_state=42)
rf = RandomForestClassifier(n_estimators=100, random_state=42)
gb = GradientBoostingClassifier(n_estimators=100, random_state=42)

rf_scores = cross_val_score(rf, X, y, cv=5)
gb_scores = cross_val_score(gb, X, y, cv=5)

print(f"RF std: {rf_scores.std():.4f}, GB std: {gb_scores.std():.4f}")

Обычно std у Random Forest выше.

Sophi
Софи собрала все вопросы. Тренируйся и получай
офферы быстрее!
Попробовать бесплатноArrow

Следующий вопрос

Это единственный вопрос по вашему фильтру

как отвечать на вопрос
пример собеседования
фреймворки на собеседовании
типичные вопросы junior
интервью вопросы и ответы