Boosting to sekwencyjna metoda uczenia zespołowego w uczeniu maszynowym, która łączy wiele słabych modeli (tzw. słabych uczniów) w jeden silny i wysoce dokładny model predykcyjny. W przeciwieństwie do metod działających równolegle, algorytmy boostingu budują modele jeden po drugim, gdzie każdy kolejny model skupia się na poprawianiu błędów popełnionych przez swoich poprzedników. Ten iteracyjny proces pozwala na skuteczną redukcję obciążenia (biasu) oraz znaczące zwiększenie dokładności całego systemu. Technika ta jest powszechnie stosowana w uczeniu nadzorowanym zarówno do zadań klasyfikacji, jak i regresji.
Źródło: mst.mimuw.edu.pl
