Boosting et erreurs résiduelles
Corriger séquentiellement les erreurs des précédents.
Une équipe qui se corrige
Chaque arbre apprend les résidus du comité précédent, avec pas (learning_rate) petit et arrêt précoce. Puissant sur tabulaires, mais sensible au bruit d'étiquettes et aux fuites : il apprend aussi le bruit si on le laisse.
Réglages
HistGradientBoosting en standard sklearn, early_stopping + validation interne, max_iter/max_depth/learning_rate sur CV. Si le boosting explose sur test alors que la forêt tient, suspectez bruit ou fuite avant de chercher plus loin.
Pas de correction en ligneConfrontez votre code aux résultats attendus du cours.