Adaboost、GBDT与XGBoost的区别

Boosting 集成算法中Adaboost、GBDT与XGBoost的区别 所谓集成学习，是指构建多个分类器（弱分类器）对数据集进行预测，而后用某种策略将多个分类器预测的结果集成起来，做为最终预测结果。通俗比喻就是“三个臭皮匠胜过诸葛亮”，或一个公司董事会上的各董事投票决策，它要求每一个弱分类器具有必定的“准确性”，分类器之间具有“差别性”。算法 集成学习根据各个弱分类器之间有无依赖关系，分为B

>>阅读原文<<