XGBoost robust

XGBoost robust combina el marc d'escalat de gradient boosting de XGBoost amb funcions de pèrdua robustes —principalment la pèrdua de Huber o les seves variants— per produir un conjunt d'arbres de gradient boosting que resisteix la influència distorsionadora dels valors atípics. En substituir l'objectiu d'error quadràtic per una pèrdua que redueix el pes dels residuals grans, el model ofereix prediccions fiables sobre objectius continus fins i tot quan les dades d'entrenament contenen valors extrems o soroll en les etiquetes.