Adaboost、GBDT與XGBoost的區別

Boosting 集成算法中Adaboost、GBDT與XGBoost的區別 所謂集成學習，是指構建多個分類器（弱分類器）對數據集進行預測，然後用某種策略將多個分類器預測的結果集成起來，作爲最終預測結果。通俗比喻就是「三個臭皮匠賽過諸葛亮」，或一個公司董事會上的各董事投票決策，它要求每個弱分類器具備一定的「準確性」，分類器之間具備「差異性」。 集成學習根據各個弱分類器之間有無依賴關係，分爲Boos

>>阅读原文<<