Robust Boosting

Robust Boosting modifie les algorithmes de boosting standard — tels que AdaBoost ou le gradient boosting — en remplaçant la perte exponentielle ou quadratique par défaut par des fonctions de perte robustes (par exemple, les pertes de Huber, logistique ou tronquées) ou en intégrant des mécanismes de tolérance au bruit, de sorte que l'ensemble reste précis même lorsque les données d'entraînement contiennent des valeurs aberrantes, du bruit d'étiquette ou des erreurs à queue lourde.