GBDT loss参数和criterion参数

在使用GBDT模型时，有两个常用的参数与损失相关：loss参数和criterion参数。

1. loss参数

loss参数是GBDT模型中的一种损失函数，它用于计算预测值与真实值之间的差异。常用的loss参数有以下几种：

- deviance：使用对数似然损失函数，适用于二分类问题。
- exponential：使用指数损失函数，适用于Adaboost算法。
- squared_loss：使用平方损失函数，适用于回归问题。

2. criterion参数

criterion参数是GBDT模型中的一种度量标准，它用于衡量每次分裂的质量。常用的criterion参数有以下几种：

- mse：使用均方误差（MSE）作为度量标准，适用于回归问题。
- friedman_mse：使用Friedman的改进版均方误差作为度量标准，适用于回归问题。
- mae：使用平均绝对误差（MAE）作为度量标准，适用于回归问题。
- binary_crossentropy：使用二元交叉熵作为度量标准，适用于二分类问题。
- entropy：使用信息熵作为度量标准，适用于多分类问题。

总的来说，loss参数和criterion参数都是与GBDT模型中的损失函数和度量标准相关的参数，不同的参数选择会影响模型的性能表现。