Ensemble Gradient Boosting

Gradient Boosting er en ensemblemetode introduceret af Jerome Friedman i 2001, der opbygger en stærk prædiktiv model ved sekventielt at tilføje lave beslutningstræer, hvor hvert træ korrigerer fejlene fra den forrige ensemble. Ved at indramme problemet som gradientnedstigning i funktionsrum opnår den state-of-the-art nøjagtighed på klassifikations-, regressions- og rangeringsopgaver på tværs af tabeldata.