Вопросы для самопроверки

• Возможно ли теоретически построить сколь угодно точный ансамбль моделей, использующий только неточные базовые модели?
• Почему в общем случае нельзя усреднять дискриминантные функции разных базовых моделей в ансамбле? В чём смысл рангового преобразования перед усреднением рейтингов?
• Может ли качество бэггинга устойчиво снижаться при выборе слишком большого числа базовых моделей?
• Чем метод случайных подпространств отличается от алгоритма случайного леса?
• Чем алгоритм случайного леса отличается от алгоритма особо случайных деревьев? В каком случае базовые модели получаются более недообученные?
• Может ли качество прогнозов начать систематически ухудшаться с ростом числа базовых моделей в алгоритмах бэггинга, методе случайных подпространств, алгоритме случайного леса и особо случайных деревьев? Почему?
• Оценка out-of-bag в среднем переоценивает или недооценивает качество прогнозов на тестовой выборке?
• Почему в стэкинге нельзя настраивать агрегирующую модель на прогнозах тех же объектов, по которым настраивались базовые модели? Почему базовые модели можно донастроить на всех наблюдениях после того, как агрегирующая модель уже зафиксирована?