機器學習教程 之 加性模型：GBDT退化爲AdaBoost原理

Gradient boosting是一種廣泛被用於迴歸、分類和排序任務的集成方法，於2001年被Friedman提出 該類算法通過以上一輪基學習器的誤差的負梯度爲訓練目標訓練本輪的基學習器，不斷降低集成模型在訓練集上的偏差實現高精度的集成 基於Gradient Boosting算法的學習器被稱爲Gradient Boosting Machine（GBM），如果說AdaBoost是boosting方

>>阅读原文<<