Дополнительная литература

Максимально подробно алгоритм бустинга изложен в [1]. Также ознакомиться с методом можно в [2].

В [3] описана реализация и примеры запуска классического бустинга в библиотеке sklearn. Примеры запуска и основные параметры продвинутых реализаций бустинга XGBoost и CatBoost со ссылками для более полного погружения есть в [4] и [5].

Литература

1. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. – Springer Science & Business Media, 2009.
2. Учебник ШАД: градиентный бустинг.
3. Документация sklearn: ensembles, gradient boosting, random forests, bagging, voting, stacking.
4. Викиконспекты ИТМО: XGBoost.
5. Викиконспекты ИТМО: CatBoost.