Что такое бустинг?

Бустинг — это метод ансамблевого обучения, который последовательно обучает несколько слабых моделей (обычно деревьев решений), каждая из которых исправляет ошибки предыдущих. В итоге получается сильная модель с высокой точностью. Основная идея — на каждом шаге уделять больше внимания тем объектам, на которых предыдущие модели ошибались.

Пример: AdaBoost, Gradient Boosting, XGBoost — популярные реализации бустинга.

Пример на Python с использованием 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"Accuracy: {model.score(X_test, y_test):.2f}")