Gradient Boosted Decision Trees（GBDT）详解
感受
GBDT集成方法的一种，就是根据每次剩余的残差，即损失函数的值。在残差减少的方向上建立一个新的模型的方法，直到达到一定拟合精度后停止。我找了一个相关的例子来帮助理解。本文结合了多篇博客和书，试图完整介绍GBDT的内容，欢迎大家来指正。
介绍
GBDT是一个应用很广泛的算法，可以用来做分类、回归。GBDT这个算法还有其它名字，如MART(Multiple AdditiveRegression Tree)，GBRT(Gradient Boost Regression Tree),TreeNet等等。Gradient Boost其实是一个框架，里面可以套入很多不同的算法。
原始的Boost算法是在算法开始的时候，为每一个样本赋上一个权重值，初始的时候，大家都是一样重要的。在每一步训练中得到的模型，会使得数据点的估计有对有错，我们就在每一步结束后，增加分错的点的权重，减少分对点的权重，这样使得某些点如果老师被分错，那么就会被“严重关注”，也就被赋上一个很高的权重。然后等进行了N次迭代（由用户指定），将得到N个简单的分类器（basic learner），然后我们将它们组合起来（比如说可以对它们进行加权、或者让它们进行投票等），得到一个最终的模型。
Gradient Boost与传统的Boost的区别是，每一次的计算是为了减少上一次的残差（residual），而为了消除残差，我们可以在残差减少的梯度方向上建立一个新的模型。所以说，在Gradient Boost中，每个新模型的建立是为了使得之前模型的残差梯度方向减少，对传统Boost对正确，错误的样本进行加权有很大的区别。
在GBDT的迭代中，假设我们前一轮迭代得到的强学习器是ft-1(x),损失函数是L(yi,ft-1(x))，我们本轮迭代的目标是找到一个CART回归树模型的弱学习器ht(x),让本轮的损失L(yi,ft(x)=L(yi,ft-1(x))+ht(x)最小。也就是说，本轮迭代找到决策树，要让样本的损失尽量变得更小。
GBDT的思想用一个通俗的例子解释，加入有个人30岁，我们首先用20岁去拟合，发现损失有10岁，这时我们用6岁去拟合剩下的损失，发现差距还有4岁，第三轮我们用3岁拟合剩下的差距，差距就只有1岁了。如果我们的迭代轮数还没有完，可以继续往下迭代，每一轮迭代，拟合的岁数误差都会减小。
上图为一个GBDT的例子，表示预测一个人是否喜欢电脑游戏。
GBDT梯度提升决策树算法是在决策树的基础上引入GB（逐步提升）和shrinkage（小幅缩进）两种思想，从而提升普通决策树的泛化能力。核心点在于GBDT的结果是多颗决策树预测值的累加，而残差则是每棵决策树的学习目标。GBDT是回归树而不是分类树，调整后可用于分类。
从上面的例子看这个思想还是蛮简单的，但是有个问题是这个损失的拟合不好度量，损失函数各种各样，怎么找到一种通用的拟合方法呢？
概念
GBDT的负梯度拟合
针对损失函数拟合方法的问题，大牛Friedman提出了用损失函数的负梯度来拟合本轮损失的近似值，进而拟合一个CART回归树。第t轮的第i个样本的损失函数的负梯度表示为：
利用（xi,rti）(i=1,2,…,m),我们可以拟合一个CART回归树，得到了第t个回归树，其对应的叶结点区域Rtj,j=1,2,…,J.其中J为叶子结点的个数。
针对每一个叶子结点里的样本，我们求出使损失函数最小，也就是拟合叶子结点最好的输出值cij如下：
这样我们就得到了本轮的决策树拟合函数如下：
从而本轮最终得到的强学习器的表达式如下：
通过损失函数的负梯度来拟合，我们找到了一种通用的拟合损失误差的办法，这样无论是分裂问题还是回归问题，我们通过其损失函数的负梯度的拟合，就可以用GBDT来解决我们的分类回归问题，区别仅仅在于损失函数不同导致的负梯度不同而已。
决策树
决策树时一个类似于流程图的结构，每个内部结点代表一个属性的测试，每个分支代表测试的结果，每个叶子结点代表分类的结果。从根结点到叶子结点代表分类的规则。
详细了解的话可以参考我的博客http://blog.csdn.net/w5688414/article/details/77920930
上图是一个决策树的例子。
信息熵：
样本集为D,Pk(k=1,2,…,Y)代表样本集D中第k个样本的比例。决策树就是每次选择一个属性划分使得Ent(D)最小。
决策树有很多算法，ID3,CART的区别是所选择的划分标准不一样，ID3选择的是信息增益，当CART是分类树时，采用GINI值作为节点分裂的依据；当CART是回归树时，采用样本的最小方差作为节点分裂的依据；。
分裂特征为a’，值为v’.DL是样本val(x,a’)<=v’ 的集合.DR是样本val(x,a’)>v’的集合.D=DL∪DR。
选择分裂点的依据：
对于决策树模型，分类和回归的损失函数可以用户自定义，通常，扫描所有分裂点的代价很大，所以有一些近似算法（这个自行百度了），为了避免过拟合，常用的方法是后剪枝。
集成学习
集成方法就是使用多种学习算法去获得更好的预测性能的方法，典型的集成方法有很多，如AdaBoost，随机森林（Random Forest），GBDT。前面的两种算法不是本文讲的内容，本文主要解析一下GBDT算法。
损失函数
算法
回归算法
当GBDT用于回归时，常用的损失函数包括平方损失函数、绝对值损失函数、Huber损失函数。每次朝着损失函数的负梯度方向移动即可取得损失函数的最小值。
输入：训练样本T={(x1,y1),(x2,y2),…,(xm,ym) },最大迭代次数是T,损失函树为L.
输出：强学习器f(x)
1) 初始化弱分类器
2) 对迭代轮数t=1,2,…,T有：
a) 对样本i=1,2,…,m,计算负梯度：
b) 利用(xi,rti)(i=1,2,…,m)，拟合一个CART回归树，得到第t颗回归树，其对应的叶子结点区域为Rtj,j=1,2,…,J. 其中J为回归树t的叶子结点的个数。
c) 对叶子区域j=1,2,…,J.计算最佳拟合值
d) 更新强学习器
3）得到强学习器f(x)的表达式
分类算法
当GBDT用于分类时，常用的损失函数有对数损失函数、指数损失函数等。这种损失函数的目的是求预测值为真实值的概率。
二元分类
对于二元GBDT,如果用类似于逻辑回归的对数似然损失函数，其损失函数为：
其中y∈{-1,+1}，则此时的负梯度误差为
对于生成的决策树，我们各个叶子结点的最佳残差拟合值为
由于上式比较难优化，我们一般使用近似值代替：
除了负梯度计算和叶子结点的最佳残差拟合的线性搜索，二元GBDT回归算法和GBDT回归算法过程相同。
多元分类
多元GBDT比二元GBDT复杂一些，对应的是多元逻辑回归和二元逻辑回归。假设类别为K,则此时我们的对数似然损失函数为：
其中如果样本输出类别为K,则yk=1。第k类的概率pk(x)的表达式为：
集合两式，我们可以计算出第i个样本对应类别l的负梯度误差为
（分母多了个括号）
观察上式可以看出，其实这里的误差就是样本i对应的类别l的真实概率和t-1轮预测概率的差值。
对于生成的决策树，我们各个叶子结点的最佳残差拟合值为
由于上式比较难优化，我们一般使用近似值代替
除了负梯度计算和叶子结点的最佳残差拟合的线性搜索，多元GBDT分类和二元GBDT分类以及回归算法过程相似。
GBDT优缺点
优点
1) 可以灵活处理各种类型的数据，包括连续值和离散值。
2) 在相对少的调参时间情况下，预测的准确率也可以比较高。这个是相对SVM来说的。
3）使用一些健壮的损失函数，对异常值的鲁棒性非常强。比如 Huber损失函数（huber详细见本文的损失函数模块）和Quantile损失函数。
缺点
1) 由于弱学习器之间存在依赖关系，难以并行训练数据。不过可以通过自采样的SGBT（Stochastic Gradient Boosting Tree）来达到部分并行。
例子
这个例子不是一个典型的GBDT的例子，没有用到负梯度求解，但是过程和GBDT一样，并且有明确的计算过程，可以帮助理解GBDT的过程，值得借鉴。实际问题比这个简单的例子复杂得多。
已知如表8.2所示的训练数据，x的取值范围为区间[0.5,10.5]，y的取值范围为区间[5.0,10.0]，学习这个回归问题的boosted tree模型，考虑只用树桩作为基本函数。损失函数是误差的平方和。
按照算法，第1步求f1(x)即回归树T1(x)。
首先通过以下优化问题：
求解训练数据的切分点s:
容易求得在R1,R2内部使平方损失误差达到最小值的c1,c2为
这里N1,N2是R1,R2的样本点数。
现将s及m(x)的计算结果列表如下：
用f1(x)拟合训练数据的残差见表8.4，表中r2i=yi-f1(xi),i=1,2,…,10
用f1(x)拟合训练数据的平方损失误差：
第2步求T2(x)。方法与求T1(x)一样，只是拟合的数据表8.4的残差。可以得到：
用f2(x)拟合训练数据的平方损失误差是
继续求得
用f6(x)拟合训练数据的平方损失误差是
假设此时已满足误差要求，那么f(x)=f6(x)即为所求提升树。读者可以手算一下，计算量还是有点大，毕竟有那么多求和和求均值，还有平方和。
参考文献
[1]. Gradient boosting. https://en.wikipedia.org/wiki/Gradient_boosting
[2]. 梯度提升树(GBDT)原理小结
[3]. 决策树系列（五）——CART
[4] GBDT(Gradient Boosting Decision Tree) 没有实现只有原理
[5].李航.《统计机器学习》