RF、GBDT、XGBoost、lightGBM原理與區別

　　RF、GBDT和XGBoost都屬於集成學習（Ensemble Learning），集成學習的目的是經過結合多個基學習器的預測結果來改善單個學習器的泛化能力和魯棒性。 　　根據個體學習器的生成方式，目前的集成學習方法大體分爲兩大類：即個體學習器之間存在強依賴關係、必須串行生成的序列化方法，以及個體學習器間不存在強依賴關係、可同時生成的並行化方法；前者的表明就是Boosting，後者的表明是Ba

>>阅读原文<<