テーブルデータコンペティション等で高い性能を発揮する勾配ブースティング決定木（GBDT: Gradient Boosting Decision Tree）に関する記述として、最も適切なものを1つ選択してください。
出典G検定オリジナル模擬試験
ア
現在のモデルの予測値と真値との残差（損失関数の負の勾配）を、次の決定木が予測・補正するように逐次的に木を追加していく。
イ
各決定木を完全に独立して並列学習させ、最後に全決定木の出力の単純算術平均をとる。
ウ
深層ニューラルネットワークのように誤差逆伝播法を用いて決定木の分岐ルールを一括微分する。
エ
欠損値を含むデータセットには一切適用できず、すべての欠損値を事前に完全補完しなければ学習が停止する。