下载资源悬赏专区
梯度提升决策树（GBDT）
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区1. 第一个Boosting算法：AdaBoost；
2. 流行GBDT模型：xgboost、lightGBM。
案例：Otto商品分类。包含内容——xgboost及参数调优。
课程目标：学会kaggle神器xgboost原理及其在实例任务上的应用。
冒教授
计算机博士，现在中科院从事科研教学工作，十余年机器学习教学经验，主持国家级科研项目3项，研究方向为机器学习、计算机视觉及多媒体处理。
AI100特邀中科院教授冒老师，从零开始讲解机器学习知识，层层递进，直通机器学习的本质及其应用。
该系列课程包括机器学习所需的数学基础、算法应用、模型及实际案例。
从原理到实战应用，摆脱枯燥的公式，由浅入深，为快速进入人工智能行业，进军金融、医疗、教育等领域，成为一名机器学习工程师，奠定坚实的基础！
相关链接：https://edu.csdn.net/huiyiCourse/detail/545?utm_source=edu_bbs_autocreate
...全文
相关推荐
GBDT.zip_GBDT_sklearn_分类算法_提升树_梯度提升决策树
梯度提升决策树（Gradient Boosting Decision Tree, GBDT）是一种强大的机器学习算法，尤其在分类任务中表现优秀。
【人工智能】梯度提升决策树(Gradient Boosted Decision Tree, GBDT)
绘图：Gradient Boosted Decision Tree :梯度提升决策树 (Gradient Boosted Decision Tree，简称 GBDT) 是一种使用梯度提升 (Gradient Boosting) 算法训练的集成模型，它基于一系列弱学习器 (决策树) 的组合，最终通过串行弱学习器的预测结果来构建出较为强大的模型。GBDT 通常应用于分类和回归任务。以下介绍 GBDT 的核心思想和算法原理。
决策树模型组合算法GBDT.docx
GBDT的主要思想是梯度提升，即通过不断迭代添加新的决策树来最小化残差，从而提高整体模型的性能。在决策树模型中，每个节点代表一个特征或属性的判断，分支则代表特征的不同取值。
GBDT源代码
《GBDT源代码详解——揭示决策树与梯度提升算法的秘密》GBDT（Gradient Boosting Decision Tree）是一种广泛应用的机器学习算法，尤其在回归和分类任务中表现出色。
XGBoost与Scikit-learn梯度提升机器学习模型从入门到精通实战指南项目_包含梯度提升决策树GBDT原理详解集成学习框架比较超参数调优技巧特征工程方法模型评估指.zip
GBDT通过迭代构建多个决策树模型来改善预测性能，每棵树都是根据之前所有树的预测残差来进行构建的，目的是最小化损失函数。
