梯度提升机:贪婪函数逼近法
"GREEDY FUNCTION APPROXIMATION: A GRADIENT BOOSTING MACHINE" 这篇文章主要探讨了一种称为“贪婪函数逼近”的机器学习方法——梯度提升机(Gradient Boosting Machine, GBDT)。作者Jerome H. Friedman是斯坦福大学的教授,他在1999年的Reitz讲座中提出了这个概念。文章发表在2001年《统计学年鉴》第29卷第5期,页码为1189–1232。 传统的函数估计或近似通常是在参数空间中进行的,而Friedman提出了一种新的视角,即在函数空间中进行数值优化。他将逐次增加的展开方式与最陡下降法(steepest-descent minimization)建立了联系,这是一种在函数空间中的优化策略。文章阐述了一个基于任何拟合标准的通用梯度下降“提升”范式,用于构建累加展开模型。 具体来说,Friedman提出了针对最小二乘法、最小绝对偏差和Huber损失函数的回归问题,以及多元逻辑似然函数的分类问题的算法。这些算法能够逐步增强模型的性能。特别是当个体累加组件是决策树(regression trees)时,他发展了特定的增强策略,这种“TreeBoost”模型具有高度的解释性,并且对于不那么干净的数据,其表现尤为出色。 梯度提升决策树(Gradient Boosting of Regression Trees, GBRT)结合了预测精度、鲁棒性和可解释性,适用于回归和分类问题。这种方法不仅提供了一种强大的学习机制,还揭示了它与其他机器学习方法,如AdaBoost,之间的联系。通过组合弱预测器(如简单的决策树)并迭代地优化它们的组合,GBDT能够构建出强大的预测模型,尤其在处理有噪声、缺失值或非线性关系的数据时,表现突出。 "GREEDY FUNCTION APPROXIMATION: A GRADIENT BOOSTING MACHINE"是一篇深入研究梯度提升技术的论文,它推动了机器学习领域的发展,尤其是决策树集成方法的广泛应用。这种方法现在已经成为现代机器学习工具箱中不可或缺的一部分,广泛应用于各种实际问题,如信用评分、医学诊断和推荐系统等。
![](https://csdnimg.cn/release/download_crawler_static/10448371/bg8.jpg)
![](https://csdnimg.cn/release/download_crawler_static/10448371/bg9.jpg)
剩余43页未读,继续阅读
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
- 粉丝: 0
- 资源: 1
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
最新资源
- 利用迪杰斯特拉算法的全国交通咨询系统设计与实现
- 全国交通咨询系统C++实现源码解析
- DFT与FFT应用:信号频谱分析实验
- MATLAB图论算法实现:最小费用最大流
- MATLAB常用命令完全指南
- 共创智慧灯杆数据运营公司——抢占5G市场
- 中山农情统计分析系统项目实施与管理策略
- XX省中小学智慧校园建设实施方案
- 中山农情统计分析系统项目实施方案
- MATLAB函数详解:从Text到Size的实用指南
- 考虑速度与加速度限制的工业机器人轨迹规划与实时补偿算法
- Matlab进行统计回归分析:从单因素到双因素方差分析
- 智慧灯杆数据运营公司策划书:抢占5G市场,打造智慧城市新载体
- Photoshop基础与色彩知识:信息时代的PS认证考试全攻略
- Photoshop技能测试:核心概念与操作
- Photoshop试题与答案详解
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)