【机器学习】从GB到GBDT再到XGBOOST算法解析

最新推荐文章于 2023-04-02 16:42:27 发布

长相忆兮长相忆

最新推荐文章于 2023-04-02 16:42:27 发布

阅读量797

点赞数

分类专栏：机器学习算法实现

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/hero_myself/article/details/88577149

版权

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

目标函数=训练损失+正则项，公式化表示为：obj(θ)&

最低0.47元/天解锁文章

长相忆兮长相忆

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
【机器学习】从GB到GBDT再到XGBOOST算法解析

Part1：GBPart2：GBDTPart3：XGBOOST1、监督学习的主要概念回顾：第i个训练样本：模型的目的：根据给定的预测参数：需要从数据集中学到的东西，如线性模型的参数集为：目标函数目标函数=训练损失+正则项，公式化表示为：obj(θ)=L(θ)+Ω(θ)，其中，目标函数为obj(θ)，用来衡量模型训练的整体目标；训练损失为L(θ)，用来...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。