梯度提升树(GBDT)公式推导 + 实例拆解 | 预测过程+ 训练过程可视化 | 机器学习 + 集成学习
已完结
梯度提升树(GBDT)公式推导 + 实例拆解 | 预测过程+ 训练过程可视化 | 机器学习 + 集成学习

课程简介

GBDT(梯度提升树)是一种经典的高精度和强鲁棒性著称的集成学习算法,在回归与分类等多种任务中表现出色。我将逐步拆解其原理机制,让你能够在实际项目中灵活高效地应用 GBDT。

章节目录
互动留言

1/1 梯度提升树(GBDT)公式推导 + 实例拆解

梯度提升树(Gradient Boosting Decision Tree,简称 GBDT)由 Friedman 提出,是集成学习领域的经典算法。 在深度学习尚未兴起的年代,GBDT 几乎是结构化数据建模的首选方案,在很多领域都表现出稳定出色的性能。 即便在今天,许多互联网公司的核心业务仍然高度依赖 GBDT 相关模型(如 XGBoost、LightGBM)。 因此,GBDT 依旧具有极高的学习价... 查看完整内容