Преимущества использования Decision Tree Regression для предсказания непрерывных значений:

• Простота интерпретации. 13 В отличие от моделей «чёрного ящика», таких как нейронные сети, деревья решений легко интерпретировать и понимать. 1
• Отсутствие необходимости в масштабировании или нормализации данных. 1 Алгоритм работает непосредственно с сырыми данными, независимо от величины или диапазона признаков, что упрощает этап предварительной обработки. 1
• Непараметрический характер. 1 В отличие от параметрических моделей, которые предполагают определённую форму (например, линейную зависимость), деревья решений могут адаптироваться к форме данных без необходимости подгонять предопределённую модель. 1

Недостатки использования Decision Tree Regression для предсказания непрерывных значений:

• Нестабильность. 13 Небольшие изменения в данных могут привести к значительным изменениям в структуре дерева. 1
• Склонность к переобучению. 4 Модель дерева решений подстраивается под те данные, которые получает, и ищет характеристики, которые увеличат вероятность. 4 Из-за этого алгоритм не сможет сделать прогноз на характеристики, которых не было в обучающей выборке. 4