机器学习——从Adaboost，Gradient Boost到XGBoost

前言 机器学习中用数据训练模型的目标： 最小化目标函数 目标函数通常可以分为两部分： （1）损失函数（经验风险）：与训练任务有关，度量模型预测值与真值之间的差异，最小化用于选择与训练数据匹配最好的模型： 回归：与残差相关的函数，包括MSE（L2损失），MAE（L1损失），Huber Loss，平滑的MSE等； 分类：与分类是否正确（或分类正确的概率）有关的的函数：0-1损失，负对数似然损失，Hin

>>阅读原文<<