前向分布算法思路
从前向后,每一步学习一个基函数及其系数,最终逐步逼近优化目标函数式。出自前向分布算法。
前向分布算法流程
前向分布算法将同时求解从
m
=
1
m=1
m=1到
M
M
M所有参数
β
m
,
γ
m
\beta_m, \gamma_m
βm,γm的优化问题简化为逐次求解各个
β
m
,
γ
m
\beta_m, \gamma_m
βm,γm的优化问题。参见前向分步算法。
梯度提升决策树算法
出自提升方法与梯度提升决策树。
输入:训练集;损失函数
L
(
y
,
f
(
x
)
)
L(y,f(x))
L(y,f(x))
输出:回归树
f
^
(
x
)
\hat{f}(x)
f^(x)
初始化:
其中,
c
c
c是回归值,它是只有一个根节点的树。
对于
m
=
1
,
2
,
⋯
,
M
m=1,2,⋯,M
m=1,2,⋯,M
对
i
=
1
,
2
,
⋯
,
N
i=1,2,⋯,N
i=1,2,⋯,N,计算
对
r
m
i
r_{mi}
rmi拟合一个回归树,得到第
m
m
m棵树的叶节点区域
R
m
j
R_{mj}
Rmj。
对
j
=
1
,
2
,
⋯
,
J
j=1,2,⋯,J
j=1,2,⋯,J,为每个叶节点计算最好的回归值
更新
得到回归树