GBDT與XGBoost【基於負梯度擬合】的說明

爲了不讓自己在深度學習的網絡裏迷失…嗝~~，回顧了一下機器學習 相信大家看到集成學習的時候，類似於adaboost等思路還是挺清晰的，BDT裏面的基於擬合殘差思想也好理解，但是碰到gbdt時候有點矇蔽【只針對小白，大佬繞行…】----這怎麼就變成了根據損失函數的負梯度擬合呢，（編輯公式有點煩，我就把pad筆記拿上來） 說明：t是更新到第t次的意思，i是樣本標記，爲什麼不寫xgboost？，因爲xg

>>阅读原文<<