Чем метод случайного леса отличается от градиентного бустинга в машинном обучении?

Некоторые отличия метода случайного леса от градиентного бустинга в машинном обучении:

• Подход к построению модели. www.tutorialspoint.com В случайном лесу каждое дерево решений строится индивидуально с использованием подмножества случайно выбранных объектов и обучающих данных. www.tutorialspoint.com При градиентном бустинге каждое дополнительное дерево обучается исправлять ошибки предыдущего дерева. www.tutorialspoint.com
• Агрегирование результатов. leonlok.co.uk В случайном лесу результаты деревьев решений агрегируются в конце процесса. leonlok.co.uk При градиентном бустинге агрегирование происходит по ходу построения модели: для расчёта конечного результата суммируются результаты каждого отдельного дерева. www.tutorialspoint.com leonlok.co.uk
• Цель работы. habr.com Случайный лес работает с моделями, имеющими низкое смещение, но высокий разброс. habr.com Градиентный бустинг работает с моделями, у которых высокое смещение и низкий разброс. habr.com
• Применение. www.tutorialspoint.com Случайный лес обычно используется в качестве эталонной модели для сравнения с другими методами машинного обучения, в то время как градиентный бустинг часто применяется в соревнованиях и исследованиях для достижения максимальной производительности. www.tutorialspoint.com