Вопросы для самопроверки

• Может ли качество бустинга устойчиво снижаться при выборе слишком большого числа базовых моделей?
• Имеет ли смысл в качестве базовых моделей бустинга использовать только модели линейной регрессии? Почему?
• В качестве базовых моделей бустинга следует использовать простые или сложные модели (в терминах их гибкости подстройки под данные)? Почему?
• Насколько устойчивым к наличию выбросов будет получаться решение, найденное алгоритмом AdaBoost?
• Следует выбирать модели градиентного бустинга так, чтобы их прогнозы оказывались как можно более похожими или непохожими? Какой приём позволяет этого добиться?
• Объясните, почему приём shrinkage приводит к повышению точности прогнозов? Какой у него есть недостаток?
• На какую обучающую выборку будет настраиваться базовая модель градиентного бустинга при решении задачи классификации с логистическими потерями?