xgboost原理

阅读XGBoost 与 Boosted Tree

基学习器:CART

每个叶子节点上面有一个分数

不够厉害,所以找一个更强的模型

tree ensemble

对每个样本的预测结果是每棵树预测分数的和

目标函数

采用boosting(additive training)方法,每一次都加入一个新的函数。依赖每个数据点上的误差函数的一阶导数和二阶导(区别于GBDT)。

树的复杂度

复杂度包含了一棵树里面的叶子个数和输出分数的L2模平方。把目标函数改写一下,可以得到一个一维二次函数。求出最好的w和所对应的obj目标函数。

打分函数切分算法

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