对GBDT的理解
来源:互联网 发布:mac给iphone充电 好快 编辑:程序博客网 时间:2024/06/01 09:02
!!必须要澄清的误区:提起决策树(DT, Decision Tree) 绝大部分人首先想到的就是C4.5分类决策树。但如果一开始就把GBDT中的树想成分类树,那就是一条歪路走到黑,一路各种坑,最终摔得都要咯血了还是一头雾水说的就是LZ自己啊有木有。咳嗯,所以说千万不要以为GBDT是很多棵分类树。决策树分为两大类,回归树和分类树。前者用于预测实数值,如明天的温度、用户的年龄、网页的相关程度;后者用于分类标签值,如晴天/阴天/雾/雨、用户性别、网页是否是垃圾页面。这里要强调的是,前者的结果加减是有意义的,如10岁+5岁-3岁=12岁,后者则无意义,如男+男+女=到底是男是女? GBDT的核心在于累加所有树的结果作为最终结果,每棵树学的是之前所有树结论和的残差。这也就是“Boost”思想的应用,就像前面对年龄的累加(-3是加负3),而分类树的结果显然是没办法累加的,所以GBDT中的树都是回归树,不是分类树,这点对理解GBDT相当重要(尽管GBDT调整后也可用于分类但不代表GBDT的树是分类树)。
这里的残差是怎样计算的呢??所以“G” 就派上用场了,也就是梯度下降思想。梯度下降作用的是损失函数,使其损失函数迭代到极小值。在GBDT 中处理不同的问题,其损失函数是不一样的。
梯度下降:
下面对处理不同的问题分别给出不同的损失函数:
一、GBDT回归算法
知道上面的损失函数,利用下面的算法求得最强表达式。
二、GBDT分类算法
1、二分类问题
2、多分类问题
这些损失函数都是可以通过梯度下降的方法来求得极值。
还有一小部分是对GBDT的正则化处理。
0 0
- 对GBDT的理解
- 对GBDT的一点理解
- GBDT的深度理解
- GBDT与梯度的理解
- 对于gbdt的一些理解
- GBDT与梯度的理解
- GBDT理解二三事
- GBDT--简单理解
- GBDT理解二三事
- 深入理解GBDT
- GBDT 深入理解
- GBDT理解二三事
- GBDT理解二三事
- GBDT原理理解
- 从LBF/JDA理解GBDT,RF,BOOST之间的关系
- 一步一步理解GB、GBDT、xgboost
- 一步一步理解GB、GBDT、xgboost
- 一步一步理解GB、GBDT、xgboost
- 设计了一套Java面试题(都是东拼西凑来的)
- elasticsearch之Search API
- 浅谈 Linux 的死锁检测
- Python做文本处理
- thinkphp 新手学习(关于dump 和 _sql())
- 对GBDT的理解
- SharedPreferences案例
- 菜鸟写leetcode03
- Python实现遗传算法求解n-queens问题(2)
- 二叉树的前序遍历
- LINUX 安装 PHP5.6.13
- nginx编译安装
- 4.10---jdk和jre
- swap-nodes-in-pairs(单链表交换点对)