Gradient Boosting Robust

El Gradient Boosting Robust és un mètode de gradient boosting entrenat amb funcions de pèrdua resistents a valors atípics (outliers) —més comunament la pèrdua de Huber o la pèrdua quantílica (pinball)— en lloc de la pèrdua d'error quadràtic. Proposada en l'article seminal de Friedman del 2001, aquesta variant produeix prediccions molt menys distorsionades per valors extrems o etiquetes contaminades, tot conservant el ple poder predictiu dels arbres de gradient boosting.