推荐系统总结（三）

基于GBDT模型的用户购买商品的预测

  上述两篇博文讨论了题目内容并对题目进行了简单的剖析，包括绘制了用户每日（小时）的不同操作数的柱状图和大概率基于某个时间T内用户对商品加购后并购买商品的预测并绘制柱状图。并对该数据集构建具有100个特征的特征工程，确保数据特征的充分性。这篇博文将从机器学习模型GBDT的角度出发，使用GBDT模型对用户在12月19日是否购买商品进行预测。

1、GBDT模型简介

  GBDT（梯度提升决策树）是一种基于Gradient Boosting的策略训练出来的DT模型。其核心思想是将提升过程建立在对“之前残差的负梯度表示”的回归拟合上，其结果是一组回归分类树组合（CART Tree Ensemble）： $T_1,\cdots ,T_{}$