Le gradient boosting construit des arbres de façon séquentielle, chacun corrigeant les erreurs des précédents en suivant le gradient de la perte. Les prédictions sont additionnées, pondérées par un taux d'apprentissage. Très performant sur les données tabulaires, il demande un réglage attentif pour éviter le surapprentissage.
Exemple
HistGradientBoostingClassifier(learning_rate=0.1)