GB與Boosting區別

GB算法與Boosting算法區別 Boosting算法:開始時給每個樣本附上權重的,在每次迭代的時候就會增加錯的樣本的權重,減少對的樣本的權重,經過N次迭代之後,會得到N個分類器,然後我們再將他們組合起來,得到最終模型。 GB算法:每一次迭代的目標都是減少上一次的殘差,所以在殘差減少的方向上建立一個新的模型。在GB算法框架上加入決策樹,就是GBDT(GradientBoost Decision
相關文章
相關標籤/搜索