Uma equipe de ciência de dados da Assembleia Legislativa desenvolveu um sistema para estimar a probabilidade de aprovação de proposições legislativas utilizando informações históricas sobre autoria, tramitação, participação em comissões, tema da matéria, regime de tramitação e padrões de votação observados em legislaturas anteriores. Durante a fase de avaliação, verificou-se que um modelo baseado em Random Forest apresentava bom desempenho preditivo. Entretanto, testes adicionais indicaram que um algoritmo de boosting poderia produzir resultados superiores ao corrigir iterativamente erros cometidos por modelos anteriores, especialmente em bases complexas e com relações não lineares entre variáveis.
Assinale a alternativa que apresenta uma característica tecnicamente associada ao algoritmo XGBoost.