Основное отличие между двумя методами: бэггинг использует параллельное обучение базовых классификаторов, а бустинг последовательное (говоря языком математической логики, бэггинг – улучшающее объединение, а бустинг – улучшающее пересечение).
== Практическое применение Реализации и применения бустинга ==
Рассмотрим различные реализации Реализации бустинга и их применения: <ul><li> CatBoost — открытая программная библиотека разработанная компанией Яндекс<li> XGBoost — изначально исследовательский проект Tianqi Chen, сейчас открытая программная библиотека, поддерживая сообществом <ul> <li> Rapids — проект NVIDIA, созданный для использования GPU с XGBooost </ul> <li> LightGBM — открытая программная библиотека разработанная компанией Яндекс</ul> Применение бустинга:<ul><li> поисковые системы<li> ранжирования ленты рекомендаций<li> прогноз погоды<li> оптимизации расхода сырья<li> предсказания дефектов при производстве.<li> исследованиях на Большом адронном коллайдере (БАК) для объединения информации с различных частей детектора LHCb в максимально точное, агрегированное знание о частице.</ul>
== Примеры кода ==
