python+GBDT预测年龄
预测年龄我们不妨假设同事的年龄分别为5岁、6岁、7岁，那么同事的平均年龄就是6岁。所以我们用6岁这个常量来预测同事的年龄，即。每个同事年龄的残差 = 年龄 - 预测值 = - ，所以残差为[-1, 0, 1]
预测年龄的残差
为了让模型更加准确，其中一个思路是让残差变小。如何减少残差呢？我们不妨对残差建立一颗回归树，然后预测出准确的残差。假设这棵树预测的残差是[-0.9, 0, 0.9]，将上一轮的预测值和这一轮的预测值求和，每个同事的年龄 = + [-0.9, 0, 0.9] = ，显然与真实值更加接近了， 年龄的残差此时变为[-0.1, 0, 0.1]，预测的准确性得到了提升。
GBDT
重新整理一下思路，假设我们的预测一共迭代3轮 年龄：
第1轮预测：
第2轮预测： + [-0.9, 0, 0.9 ]=
第2轮残差： - = [-0.1, 0, 0.1]
第3轮预测： + [-0.9, 0, 0.9] + [-0.08, 0, 0.07 ]=
第3轮残差： - = [-0.08, 0, 0.03]
看上去残差越来越小，而这种预测方式就是GBDT算法。
提问：[-0.08, 0, 0.07 ]这里是怎么推导得到的
页:
[1]