1.简述GBDT原u理。
首先根据现有的数据训练树一棵树，然后去计算真实值和预测值的差值，也就是残差，然后下一棵树去拟合该残差，重复直至残差为0。
所有弱分类器的结果相加等于预测值，也就是说，每一个分类器拟合的是残差；
2.GBDT常用损失函数有哪些？
MAE，MSE，huber损失
3.GBDT如何用于分类?
将分类问题转化成logistic回归问题即可
4.为什么GBDT不适合使用高维稀疏特征?
难以进行特征划分
5.GBDT算法的优缺点？
优点：
并行预测带来的速度提升
不需要进行特殊的数据预处理。可以自动发现特征之间的高阶关系
在稠密数据集上，泛化能力和表达能力都很好
缺点：
在稀疏数据集上表现不如svm或神经网络
训练过程串行，只能在决策树内部采用局部并行的手段提高训练速度
对异常值过于敏感，所以一般回归类的损失函数会用绝对损失或者huber损失函数来代替平方损失函数
正解：
1 include <bits/stdc++.h> 2 define _for(i,a,b) for(int i = a;i < b;i ++) 3
![博客图片][format_png] 题目连接 [POJ1430][] 题目概述 判断第二类 s t i r l i n g stirling stirlin
mysql \[Err\] 1118 - Row size too large (> 8126). 问题 mysql5.7 在执行创建表或者增加字段时，发现row size
1.简述GBDT原u理。 首先根据现有的数据训练树一棵树，然后去计算真实值和预测值的差值，也就是残差，然后下一棵树去拟合该残差，重复直至残差为0。 所有弱分类器的结果相加等
作业控制 (任务控制) ctrl +z 暂停一个任务到后台 jobs 查看当前暂停的任务 ![这里写图片描述][SouthEast] fg
问题描述: In the biological lab, you were examining some of the molecules. You got some int
Some scientists took pictures of thousands of birds in a forest. Assume that all the bir
淡淡的烟草味﹌
￡神魔★判官ぃ
小鱼儿
还没有评论，来说两句吧...