通過對比Bagging/Boosting/RF/GDBT來理解XGB

引入 用過XGB模型的人，都大致知道，XGB是由多棵樹組成的，像一片森林，這是一種集成學習方法。但是，這片森林裏的每棵樹都是通過純度計算與分支劃分得到的嗎？多棵樹是如何組合（集成）在一起共同做決策的呢？XGB和RandomForest是什麼區別？XGB和GDBT又有什麼區別呢？ 如何才能解釋這些問題 首先，我們需要理解幾個概念 （1）集成學習 集成學習分爲三種算法：Bagging，Boosting

>>阅读原文<<