提升树模型:从提升树到GBDT树
一般来讲,提升方法实际采用加法模型与前向分步算法,以决策树为基函数的提升方法称为提升树。
提升树
提升树算法采用前向分布算法。
算法框架大致思想为:
- 首先,确定初始提升树f0(x)=0,第m步的模型是:
- 对于每一个步的模型,都是通过经验风险最小化确定模型的参数:
问题类型 |
损失函数 |
回归问题 |
使用平方差损失函数 |
分类问题 |
使用指数损失函数 |
一般决策问题 |
一般损失函数 |
回归问题的提升树算法流程:
假设训练集为T,训练得到提升树为fm(x)
(1) 初始化f0(x)=0
(2) 对m = 1,2,…,M