Встречается на собеседованиях • сегодня

Что такое бустинг

Бустинг — это ансамблевый метод машинного обучения, который последовательно строит модели, каждая из которых исправляет ошибки предыдущей. Основная идея — комбинировать слабые модели (обычно деревья решений) в одну сильную, минимизируя ошибку на каждом шаге.

Пример с XGBoost:

python

import xgboost as xgb
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split

data = load_boston()
X_train, X_test, y_train, y_test = train_test_split(data.data, data.target, test_size=0.2)

model = xgb.XGBRegressor()
model.fit(X_train, y_train)
predictions = model.predict(X_test)

text


**Ключевые особенности:**  
- Последовательное обучение с коррекцией ошибок.  
- Веса объектов обновляются, чтобы новые модели фокусировались на сложных примерах.  
- Популярные алгоритмы: AdaBoost, Gradient Boosting (GBM), XGBoost, LightGBM, CatBoost.  

Бустинг часто дает высокую точность, но требует тщательной настройки гиперпараметров и может быть склонен к переобучению.

Софи собрала все вопросы. Тренируйся и получай
офферы быстрее!

Попробовать бесплатно

Следующий вопрос

Это единственный вопрос по вашему фильтру

как отвечать на вопрос

пример собеседования

фреймворки на собеседовании

типичные вопросы junior

интервью вопросы и ответы