ランダムフォレストは、ランダム化した多くの木を当てはめ、その予測を組み合わせます。平均を取ることで、当てはめた1本の木への依存が減ります。勾配ブースティングは、小さな木を順に加え、各段階が現在のモデルの誤差に取り組みます。どちらも木を含みますが、当てはめの手順は異なります。
これらの練習では、ブラウザーのノートブックで素早く動くように、小さなアンサンブルを使います。要求された設定は再現できる比較を定めるもので、本番の推奨構成ではありません。アンサンブルは訓練の行で当てはめ、ホールドアウトは評価に取っておいてください。木を増やしても、リークや誤った結果の定義は直りません。必要な出力から推定器の種類を選んで、分類器と回帰器の両方を作ります。この練習では固定したシードがランダム性を制御しますが、標本をまたいだ検証の代わりにはなりません。