GDBT-迴歸預測篇

在上一篇文章gdbt梯度提升原理，詳細介紹了梯度、方向導數、爲什麼負梯度方向是函數下降最快方向，繼而引出了GDBT的模型與優化原理。本篇將進一步以實例的方式演繹GDBT是如何進行迴歸預測的。 上篇推導出的優化模型如下： fm(x,y,z)=fm−1(x,y,z)+learnrate∗(⅁Lfm−1) f m ( x , y , z ) = f m − 1 ( x , y , z ) + l e a

>>阅读原文<<