集成學習（三）Gradient Boosting算法

一、算法的引出 在集成學習框架中，機器學習模型可寫成各子學習器的組合： G ( x ) = ∑ m = 1 M α m g m ( x ) G(x)=\sum\limits_{m=1}^M\alpha _mg_m(x) G(x)=m=1∑M​αm​gm​(x)在AdaBoost算法中提供了一種解讀Boosting框架的視角，即每一輪子學習器基於上一輪子學習器的表現來調節樣本權重，實現模型效果的提升

>>阅读原文<<