手撕Decision Tree（决策树：CART-分类与回归树之回归树）模型

#苦行僧

已于 2023-02-14 15:39:43 修改

阅读量759

点赞数 1

CC 4.0 BY-SA版权

分类专栏：算法岗面试必学知识文章标签：分类与回归树深度学习人工智能

于 2021-11-23 10:03:35 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/weixin_43646592/article/details/121486820

算法岗面试必学知识专栏收录该内容

55 篇文章 ¥99.90 ¥299.90

订阅专栏

本文探讨了CART（分类与回归树）中的回归树基础，作为学习树类集成模型如GBDT的核心。内容涉及CART二叉树的特性，并重点修正了关于损失为绝对损失时的证明。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

回归树是学习树类集成模型(e.g. GBDT)的基础。
最后两个证明在GBDT里会用到。
CART假设决策树是二叉树

在这里插入图片描述

`绝对损失这里的证明和平方损失的证明一样。都是对单个节点区域里的损失进行求导的！！！！`

⭐ 注：修正一下最后那部分的证明（损失为绝对损失时的证明），直接看下面这个，因为上面我写错了一句话。

绝对损失这里的证明和平方损失的证明一样。都是对单个节点区域里的损失进行求导的！！！！

在这里插入图片描述

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

#苦行僧 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。