个推教程--第七课--浅层排序模型gbdt

gbdt和xgboost的详细介绍:https://wenku.baidu.com/view/44778c9c312b3169a551a460.html

回归树就是把连续取值区间分箱,叶子节点为一个个小的取值区间

基尼指数与熵的定义不同,熵是描述混乱状态的变量,熵越大混乱程度高;而基尼指数是指分类后分类节点左右子树下按类别衡量的纯度,纯度越高,基尼指数越小,该特征就越适合拿来作分类节点。

此处水下这个特征基尼指数更低,故选取它作为根节点

 

下面介绍梯度提升树

对上一轮分类错误的样本增大权重;对上一轮分类正确的样本降低权重;对基础model则相反

 

启发式学习,第二行为前向分布函数,每次迭代优化一棵树,而不是M个

根据上轮残差迭代

梯度提升树是把残差变成损失函数的负梯度在当前模型的取值,用这个取值模拟残差

下面是喜闻乐见的xgboost

相对gbdt,损失函数加入了正则项,但与gbdt用损失函数的负梯度来拟合当前残差不同,xgboost利用了泰勒级数展开,

 

xgboost的所有树都是回归树

 

 

树模型:将每个样本的输入落到某个叶子节点上,然后将叶子节点组成的高维特征送到lr中

 

 

 

 

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值