目录
一 加法模型
1 什么是加法模型
加法模型(additive model)又叫可加模型,
具体细化到生活中的实例,就比方说你在建一座跨海大桥,需要设计方案,不同的人对此有不同的思路,桥梁专家对于桥梁建设有方案,材料专家对于建桥的材料有思路,海洋专家对于大桥下面的海洋水流有建议,综合不同人的思路及建议,完整的整理相加出一套解决方案。
加法模型的数学抽象(公式):
其中各个参数的含义:
指的是基函数(可以理解为此人对于建桥的意见,例如材料专家给出要使用钢筋混凝土浇筑)
基函数参数(可以理解为此人的特点,例如是桥梁专家,或者是水利专家)
基函数系数(此人的重要性,例如在建桥中,首先要服从桥梁专家,气候专家的意见权重就要小一些)
x指的就是这个问题(建桥问题)
在给定训练数据和损失函数的L(y,f(x))的条件下,学习加法模型f(x)损失函数最小化
这是一个复杂的优化问题。
2 存在弊端
计算困难,所以采用前向分布算法来逐步计算参数,每一步只学习一个基函数及其系数,逐步逼近优化目标函数。简化优化的复杂度。
二 前向分步算法
1 什么前向分步算法
前向分步算法是简化复杂优化问题的一种方法。因为学习的是加法模型,所以能够从前向后,一步一步学习,每一步只学习一个基函数和它的系数,逐步逼近复杂的优化问题的目标函数。每步只需要优化所有样本的损失函数就可以了:
2 学习加法模型的前向分步算法步骤如下:
输入:基函数集{b(x;γ)}
输出:加法模型f(x)
(1)初始化f0(x)=0
(2)对m=1,2,3,4……M
a 极小化损失函数
得到参数
b 更新