XGBoost Robust

XGBoost Robust combină cadrul scalabil de gradient boosting al XGBoost cu funcții de pierdere robuste — în principal pierderea Huber sau variantele sale — pentru a produce un ansamblu de arbori cu gradient boosting care rezistă influenței distorsionante a valorilor aberante. Prin înlocuirea obiectivului de eroare pătratică cu o pierdere care reduce ponderea reziduurilor mari, modelul oferă predicții fiabile pe ținte continue chiar și atunci când datele de antrenament conțin valori extreme sau zgomot în etichetă.