提升(梯度)
- 提升:是一个机器学习技术,可以用于回归和分类问题,它每一步产生一个弱预测模型(如决策树),并且加权累加到总模型中,如果每一步的弱预测模型生成都是依据损失函数的梯度方向,则称之为梯度提升(Gradient boosting)
–理论意义:如果一个问题存在弱分类器,则可以通过提升的方法得到强分类器 - 梯度提升算法:首先给定一个目标损失函数,其定义域是所有可行的弱函数集合(基函数),提升算法通过迭代的选择一个负梯度方向上的基函数来逐渐逼近局部最小值
- 过程:给定输入向量x和输出变量y组成的若干训练样本 ( x 1 , y 1 ) , ( x 2 , y 2 ) , . . . . , ( x n , y n ) (x_1,y_1),(x_2,y_2),....,(x_n,y_n) (x1,y1),(x2,y2),....,(xn,yn),目标是找到近似函数 F ^ ( x → ) \widehat{F}(\overrightarrow{x}) F (x),使得损失函数 L ( y , F