f
t
(
x
)
f_t(x)
ft(x) ——>
y
t
y_t
yt ——>
E
(
损
失
)
=
y
t
∗
C
+
(
1
−
y
t
)
∗
C
∗
R
E(损失)=y_t*C+(1-y_t)*C*R
E(损失)=yt∗C+(1−yt)∗C∗R
C为成本 R 为利息
代入公式中
o
b
j
=
∑
i
=
0
n
E
(
损
失
)
∗
L
(
y
,
y
预
测
)
obj=\sum_{i=0}^nE(损失)*L(y,y_{预测})
obj=∑i=0nE(损失)∗L(y,y预测) +正则项
综述
adaboost和GBDT和XGBOOST的区别
http://www.voidcn.com/article/p-cxzhohiz-bnu.html
https://www.zhihu.com/question/54626685
boosting笔记
https://www.cnblogs.com/willnote/p/6801496.html
写的好的做笔记写下来,拍照上传,确定一个小主题
- 为什么精度提升了,缺陷对比
- 什么时候选择用什么
- xgboost 现有的业界优化
- virance bias https://www.cnblogs.com/ooon/p/5711516.html