【机器学习】从GB到GBDT再到XGBOOST算法解析

Part1:GB


Part2:GBDT


Part3:XGBOOST

1、监督学习的主要概念回顾:

  • 第i个训练样本:

x_{i}\epsilon \textup{R}^{d}

  • 模型的目的:根据给定的x_i预测\hat{y_{i}}
  • 参数:需要从数据集中学到的东西,如线性模型的参数集为:

​​​​​​​\Theta =\left \{ \omega _{j}|j=1,2,...,d \right \}

  • 目标函数
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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