Redigerer Gradientforsterkning (avsnitt)

== Bruk ==
Gradientforsterkning kan brukes i feltet for [[Maskinlært rangering|lære å rangere]]. Søkemotorene [[Yahoo!|Yahoo]]<ref>Cossock, David and Zhang, Tong (2008). [http://www.stat.rutgers.edu/~tzhang/papers/it08-ranking.pdf Statistical Analysis of Bayes Optimal Subset Ranking] {{Webarchive|url=https://web.archive.org/web/20100807162855/http://www.stat.rutgers.edu/~tzhang/papers/it08-ranking.pdf|date=2010-08-07}}, page 14.</ref> og [[Yandex]]<ref name="snezhinsk">[http://webmaster.ya.ru/replies.xml?item_no=5707&ncrnd=5118 Yandex corporate blog entry about new ranking model "Snezhinsk"] {{Wayback|url=http://webmaster.ya.ru/replies.xml?item_no=5707&ncrnd=5118 |date=20120301165959 }} {{Webarchive|url=https://web.archive.org/web/20120301165959/http://webmaster.ya.ru/replies.xml?item_no=5707&ncrnd=5118|date=2012-03-01}} (in Russian)</ref> bruker varianter av gradientforsterkning i maskinlærte rangeringsmotorer. Gradientforsterkning brukes også til dataanalyse i høyenergifysikk. Ved [[Large Hadron Collider]] (LHC) har varianter av gradientforsterkende [[Dypt nevralt nettverk|dype nevrale nett]] (DNN) lykkes med å reprodusere resultatene av ikke-maskinlæringsmetoder for analyser på datasettet som ble brukt til å oppdage [[Higgs-boson|higgs-bosonet]].<ref>{{cite arXiv|eprint=2001.06033|last1=Lalchand|first1=Vidhi|title=Extracting more from boosted decision trees: A high energy physics case study|year=2020|class=stat.ML}}</ref> Gradientforsterkede beslutningstre har også blitt brukt i geologiske studier, for eksempel for kvalitetsevaluering av sandsteinsreservoar.<ref>{{Cite journal|date=1. januar 2022}}</ref>