¿Pueden los árboles potenciados por gradiente encajar en alguna función?

14

Para las redes neuronales tenemos el teorema de aproximación universal que establece que las redes neuronales pueden aproximarse a cualquier función continua en un subconjunto compacto de .Rnorte

¿Hay un resultado similar para los árboles impulsados ​​por gradiente? Parece razonable ya que puede seguir agregando más ramas, pero no puedo encontrar ninguna discusión formal sobre el tema.

EDITAR: Mi pregunta parece muy similar a ¿Pueden los árboles de regresión predecir continuamente? , aunque tal vez no pregunte exactamente lo mismo. Pero vea esa pregunta para una discusión relevante.

Imran
fuente
1
¡Buena pregunta! No pude encontrar nada sobre eso, pero aquí están los límites de PAC en los árboles de decisión. Intenta preguntar de nuevo por teoría.
Emre
1
Ver aquí: projecteuclid.org/download/pdf_1/euclid.aos/1013203451 . Es una vieja lectura. Creo que tiene lo que estás buscando. Por lo que yo entiendo, en principio, pueden. Déjame saber lo que piensas al respecto.
TwinPenguins

Respuestas:

1

Sí, cree una región para cada punto de datos (es decir, memorice los datos de entrenamiento).

Por lo tanto, es posible que los árboles impulsados ​​por gradiente se ajusten a cualquier dato de entrenamiento, pero tendría una generalización limitada a los nuevos datos.

Brian Spiering
fuente