El aumento del árbol de gradiente propuesto por Friedman utiliza árboles de decisión como aprendices base. Me pregunto si deberíamos hacer que el árbol de decisión base sea lo más complejo posible (completamente crecido) o más simple. ¿Hay alguna explicación para la elección?
Random Forest es otro método de conjunto que utiliza árboles de decisión como aprendices de base. Según mi comprensión, generalmente usamos los árboles de decisión casi completamente crecidos en cada iteración. ¿Estoy en lo cierto?
