Gradient boosting (wzmocnienie gradientowe) to zaawansowana technika uczenia zespołowego w uczeniu maszynowym, wykorzystywana głównie do zadań regresji i klasyfikacji. Polega ona na sekwencyjnym łączeniu wielu słabych modeli predykcyjnych, najczęściej prostych drzew decyzyjnych, w jeden silny model końcowy. W każdej iteracji algorytm trenuje nowy model w celu minimalizacji błędów popełnionych przez jego poprzedników przy użyciu metody spadku gradientu. Metoda ta pozwala na optymalizację dowolnej różniczkowalnej funkcji straty, co zapewnia wysoką dokładność predykcyjną.
Źródło: en.wikipedia.org
