GBDT分类模型的参数

GBDT（Gradient Boosting Decision Tree）分类模型的参数包括：

1. n_estimators：决策树的数量，也就是迭代次数，通常需要调参确定。

2. learning_rate：学习率，控制每个决策树的权重缩放比例，通常需要调参确定。

3. max_depth：决策树的最大深度，防止过拟合，通常需要调参确定。

4. min_samples_split：内部节点再划分所需最小样本数，也是为了防止过拟合，通常需要调参确定。

5. min_samples_leaf：叶子节点最少的样本数，也是为了防止过拟合，通常需要调参确定。

6. max_features：寻找最佳划分时考虑的特征数，通常需要调参确定。

7. loss：损失函数类型，通常为分类问题选择“deviance”。

这些参数可以通过交叉验证等方法来确定最优值。