Какво е буустинг?

Бустингът е метод за ансамблово обучение, който последователно обучава няколко слаби модела (обикновено дървета за решения), като всеки от тях коригира грешките на предишните. В крайна сметка се получава силен модел с висока точност. Основната идея е да се обръща повече внимание на обектите, на които предишните модели са допуснали грешки.

Пример: AdaBoost, Gradient Boosting, XGBoost — популярни реализации на бустинг.

Пример на Python с sklearn:

from sklearn.ensemble import GradientBoostingClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)

model = GradientBoostingClassifier(n_estimators=100, learning_rate=0.1)
model.fit(X_train, y_train)
print(f"Точност: {model.score(X_test, y_test):.2f}")