梯度提升的想法是从黑盒弱模型构建集成模型。您当然可以将 VW 用作黑盒，但请注意 VW 不提供决策树，这是黑盒弱模型在 boosting 中最流行的选择。Boosting 通常会减少偏差（并增加方差），因此您应该确保 VW 模型具有低方差（没有过度拟合）。请参阅偏差-方差权衡。
在 VW 中有一些与 boosting 和 bagging 相关的减少：
--autolink N添加了多项式N的链接函数，可以认为是一种简单的boosting方式。--log_multi K是一种用于 K 类分类的在线提升算法。见论文。您甚至可以将它用于二元分类 (K=2)，但不能用于回归。--bootstrap MM-way bootstrap 通过在线重要性重采样。用于--bs_type=vote分类和--bs_type=mean回归。请注意，这是bagging，而不是 boosting。--boosting N（添加于 2015-06-17）使用 N 个弱学习者进行在线提升，请参阅理论论文