大家好，欢迎来到IT知识分享网。
谈及gbdt算法，不得不提GB与dt算法，即使用梯度提升回归树的方式进行回归提升。
以下贴上经典算法图：
1、第一步，算法中的参数，建立M棵回归树，每颗树的深度都为J，其中有一棵树为第一次建立的回归树，其余M-1棵树为残差（在梯度提升回归树里面为使损失函数最小的梯度向量）建立的树，F（X）为估值向量，即每一例为x样本在K类上的估值。
2、第二步，pk(x)为f（x）的逻辑回归变化，将每类上的估值变为在每类上的真实概率值。
3、第三步，开始，一类一类的迭代出损失函数衰减最小的概率梯度方向向量，根据yik概率梯度残差训练出一棵J节点的树。
4、计算出建起来的每棵树叶节点的梯度向量增益，增益即为x在当前分类上的概率估值。
5、根据每棵树的叶节点增益跟新FM-1(X)的估值，即为x当前分类上的真是概率值加上，基于概率梯度残差计算出来的概率估值。
6、重复k次，完整迭代一次，得出x的概率估值矩阵模型。
6、迭代M次后，使得FM(X)概率估值矩阵接近真实概率矩阵模型。
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://yundeesoft.com/10910.html
