O que atua como balança no boosting de gradiente?

Na boosting de gradiente, os pesos são representados pelos gradientes, que são as derivadas da função de perda em relação às previsões do modelo na etapa atual. Esses gradientes mostram o quanto as previsões precisam ser ajustadas para reduzir o erro.

A cada passo, um novo modelo (geralmente uma árvore) é construído, que aprende a prever os gradientes negativos (erros) do modelo anterior. Assim, os pesos são os erros que precisam ser corrigidos, e eles orientam o treinamento do próximo modelo para melhorar o resultado final.

Exemplo: se a função de perda for MSE, os gradientes serão a diferença entre os valores previstos e os valores reais, e o novo modelo tentará prever essa diferença.