- 前向分布算法
从前想向后,每步只学习一个基函数及其系数,逐步逼近目标
- 负梯度拟合
大牛Freidman提出了用损失函数的负梯度来拟合本轮损失的近似值,进而拟合一个CART回归树。通过损失函数的负梯度来拟合,找到了一种通用的拟合损失误差的办法,这样无轮是分类问题还是回归问题,我们通过其损失函数的负梯度的拟合,就可以用GBDT来解决我们的分类回归问题。区别仅仅在于损失函数不同导致的负梯度不同而已。
参考:https://ask.hellobi.com/blog/guodongwei1991/10501
- 损失函数
用来估量真实值和模型的预测值不一样程度
- 回归
研究两个或多个变量之间的关系。
- 二分类,多分类
二分类分类任务中只有两个类别,比如识别图中有无人脸
多分类任务总有多个类别,比如在识别一群动物的类别
- 正则化
向模型中引入额外信息,以防止过拟合和提高模型泛化能力
- 优缺点
优点:可以灵活处理各种类型的数据
缺点:难以进行并行训练数据
- sklearn参数
参看:https://www.itcodemonkey.com/article/4829.html
- 应用场景
可以用于回归问题