Метод случайных подпространств (RSM) предпочтительнее бустинга в некоторых случаях: 13

• Когда признаков больше, чем объектов. 12 В таких задачах алгоритмы, построенные по части признакового описания, могут обладать лучшей обобщающей способностью по сравнению с алгоритмами, построенными по всем признакам. 12
• При наличии избыточных неинформативных признаков. 12

При этом бустинг лучше работает на больших обучающих выборках и воспроизводит границы классов сложной формы. 1

Важно учитывать, что ни один из методов построения линейных композиций не является однозначно лучшим, и для каждого из них можно найти прикладные задачи, в которых он превосходит остальные. 1