과도한 전문화
MART에서는 뒤에 추가한 트리가 일부 예측에만 영향을 주고 나머지에는 거의 기여하지 않을 수 있다. 원 연구는 이를 과도한 전문화로 부르며 초기 트리의 기여에 지나치게 민감해지는 문제를 분석했다.
드롭아웃의 도입
통상적인 축소율 조정은 이 문제를 일부 완화하지만 근본적인 전문화가 남을 수 있다. DART는 신경망에서 사용하던 드롭아웃을 가산 회귀 트리에 적용하는 다른 접근을 제안했다.
세 과제의 평가
공개 대규모 자료의 순위, 회귀, 분류 과제에서 MART와 비교했다. 연구는 예측 성능과 과도한 전문화가 어느 정도 완화되는지를 함께 평가했다.