Multi-Layered Gradient Boosting Decision Trees(mGBDT) 筆記

自去年周志華老師提出了「深度森林」後,有重磅提出了多層梯度提升決策樹模型。提出通過堆疊多個迴歸 GBDT 層作爲構建塊,並探索了其學習層級表徵的能力。此外,與層級表徵的神經網絡不同,他們提出的方法並不要求每一層都是可微,也不需要使用反向傳播更新參數。本文旨在對該paper進行解讀,轉載請註明出處。 本文主要回答了兩個問題: 1、我們是否可以用非可微組件構建多層模型(比如使用樹集成來獲得分層分佈式表
相關文章
相關標籤/搜索