GBDT全称Gradient-boosting decision tree，即用gradient boosting策略训练出来的决策树模型。模型的结果是一组CART树（回归分类树）的组合(T_1, ..., T_K)，其中(T_j)学习的是之前(j-1)棵树预测结果的残差。
这种思想就像准备考试前的复习，先做一遍习题册，然后把做错的题目挑出来，在做一次，然后把做错的题目挑出来在做一次，经过反复多轮训练，取得最好的成绩。
而模型最后的输出，是一个样本在各个树中输出的结果的和：
[overline y = sum_{k=1}^K f_k(x)
]
优化目标如下：
