watermelon12138的博客

一、梯度提升算法 梯度提升的概念 提升算法的思想 F(x)为预测函数 L(y,F(x))=1/2(y-F(x))2为平方误差 L(y.F(x))=|y=F(x)|为绝对值误差 F*(x)为使得所有样本平方误差的均值最小的F(x) 提升算法的思路： 首先我们假定F(x)是一族基函数fi(x)的加权和，现在我们要通过M次迭代得到一个最优的F(x)，每一次迭代我们就加上一个使得所有样本平方误差之和...