GBDT算法一、简介二、负梯度拟合三、GBDT常用损失函数四、GBDT的正则化
一、简介在GBDT的迭代中，假设我们前一轮迭代得到的强学习器是ft-1(x)损失函数是L(y,ft-1(x)) 我们本轮迭代的目标是学习到弱学习器ht(x)，让本轮的损失L(t,ft-1(x)+ht(x))最小。假如有个人30岁，我们首先用20岁去拟合，发现损失有10岁，这时我们用6岁去拟合剩下的损失，发现差距还有4岁，第三轮我们用3岁拟合剩下的差距，差距就只有一岁了。如果我们的...
