gbdt,先了解一下boosting思想再训练弱分类器!
首先，我们来了解一下助推的思路。我们每次训练单个弱分类器，都会在学习当前单个弱分类器之前，增加上次分类错误的数据的权重，这样训练出来的单个弱分类器会更加关注那些容易被错误分类的点，最后通过加权求和的方式组合成一个最终的学习器，gradentboosting是助推的一种，每次建立单个学习器，都是上一个模型的损失函数的梯度下降方向。GB和AdaBoost的区别在于Adaboost通过提高错误得分数据点的权重来定位模型的不足。1、GBDT算法的描述,不正确的是(GBDT算法的描述不正确。()a.决策树Boost...
更新时间：2023-10-23标签： 单个boosting器时分错分类 全文阅读