机器学习系列之GBDT

GBDT既可以用于回归，也可以用于分类。两者本质是一样的，分析流程也大致相同，区别在于loss function不同。 首先，介绍一下提升方法，boosting就是把一系列的弱学习器反复学习，然后组合成强学习器。对于提升方法，主要需要回答两个问题：第一个是每一轮学习过程中如何改变训练数据的权值或概率分布；第二个就是如何将弱分类器组合成强分分类器。 在前面讲到的Adaboost中，根据每次训练数据的

>>阅读原文<<