通过对比Bagging/Boosting/RF/GDBT来理解XGB

引入 用过XGB模型的人，都大致知道，XGB是由多棵树组成的，像一片森林，这是一种集成学习方法。但是，这片森林里的每棵树都是通过纯度计算与分支划分得到的吗？多棵树是如何组合（集成）在一起共同做决策的呢？XGB和RandomForest是什么区别？XGB和GDBT又有什么区别呢？ 如何才能解释这些问题 首先，我们需要理解几个概念 （1）集成学习 集成学习分为三种算法：Bagging，Boosting

>>阅读原文<<