В данiй роботi була розроблена цiноутворююча модель для товарiв з холодним стартом за допомогою моделей градiєнтного бустингу. Метод градiєнтного бустiнгу (Gradient Boosting Decision Trees, GBDT)- це ансамблевий метод машинного навчання, який використовується для вирiшення завдань регресiї, класифiкацiї та iнших задач. Даний метод вперше був запропонований Джеромом Фрiдманом в 1999 роцi. Дана модель може бути корисним iнструментом для вирiшення задач цiноутворення та прогнозування попиту на товари.