¿Qué actúa como balanza en el aumento de gradiente?

En el refuerzo de gradiente, los pesos son representados por los gradientes, que son las derivadas de la función de pérdida respecto a las predicciones del modelo en el paso actual. Estos gradientes muestran cuánto se deben ajustar las predicciones para reducir el error.

En cada paso, se construye un nuevo modelo (generalmente un árbol), que se entrena para predecir los gradientes negativos (errores) del modelo anterior. Así, los pesos son los errores que deben corregirse, y guían el entrenamiento del siguiente modelo para mejorar el resultado final.

Ejemplo: si la función de pérdida es MSE, los gradientes serán la diferencia entre los valores predichos y los verdaderos, y el nuevo modelo intentará predecir esa diferencia.