Ele utiliza múltiplos modelos de árvores de decisão fracas e os combina para melhorar a precisão e reduzir o viés do modelo.

Ele é um modelo linear que tenta ajustar os dados de treinamento de forma polinomial.

Ele usa uma única árvore de decisão complexa para prever rótulos de dados.

Ele busca reduzir a variância do modelo com uma combinação de diferentes algoritmos.

Ele é um algoritmo não supervisionado usado para agrupamento de dados.