zoukankan      html  css  js  c++  java
  • 提升算法(3)

    提升树利用加法模型与前向分布算法实现学习的优化过程(原理相同),当损失函数是平方损失和指数损失函数时,每一步优化是很简单的。但对一般损失函数而言,往往每一步优化算法并不容易针对该问题有人提出了梯度提升(gradient boosting)算法,利用最速下降的近似方法,关键是利用损失函数的负梯度在当前模型的值:

     作为回归问题提升树算法中的残差近似值,来拟合一个回归树。

    梯度提升算法:

    输入:训练数据集,损失函数L(y,f(x));

    输出:回归树

    (1) 初始化

     

    (2) 对m=1,2,...,M

    1) 对i=1,2,...,N,计算

    2)对rmi拟合一个回归树,得到第m棵树的叶结点区域Rmj,j=1,2,....,J

    3)  对j=1,2,...,j, 计算

    4) 更新

    (3)得到回归树:

    第一步的算法初始化,估计使损失函数极小化的常数值,即只有1个根结点的树。第二步的1)计算损失函数的负梯度在当前模型的值,将其作为残差估计 ,2)估计回归树叶结点区域,来拟合残差近似值,3)以线性搜索估计叶结点区域值,使损失函数极小化,4)更新回归树,第三步得到输出最终模型

  • 相关阅读:
    AD读取Excel新建客户邮箱的测试环境部署有感
    云端转发邮箱
    AD活动目录操作软件设计节选
    14)
    13)
    行级,块级,空
    12)
    11)
    10)
    9)
  • 原文地址:https://www.cnblogs.com/xiaochouk/p/8127173.html
Copyright © 2011-2022 走看看