¿Qué implementaciones de boosting conoces o con cuáles has trabajado?

Las implementaciones principales de boosting con las que se trabaja a menudo:

• Gradient Boosting Machines (GBM) — boosting clásico por gradiente, implementado, por ejemplo, en la biblioteca scikit-learn.
• XGBoost — una implementación de boosting por gradiente altamente eficiente y popular, con optimizaciones en velocidad y memoria.
• LightGBM — implementación de Microsoft, que utiliza crecimiento de árboles en forma de hoja y optimizaciones para grandes datos.
• CatBoost — de Yandex, que funciona bien con características categóricas y tiene procesamiento incorporado de valores faltantes.

Cada una de estas implementaciones tiene sus propias características y ventajas, y la elección depende de la tarea y los datos.