ML:随机森林、GBDT、XGBoost

RF、GBDT、XGBoost都属于集成学习。
通过结合多个基学习器都预测结果来改善单个学习器的泛化能力。

集成学习分为两大类：

• boosting：个体学习器之间存在强依赖关系、必须串行生成的序列化方法。
• bagging：个体学习器之间不存在强依赖关系，可同时生成的并行化方法。

---

RF：
提到随机森林就不得不提Bagging。
Bagging简单理解为，放回抽样、多数表决。

1、随机选择样本（放回抽样，每棵树采用60%样本）
2、随机选择特征，每个决策树只选特征集合的子集，然后再采用最优划分。
3、构建决策树，每棵决策树最大可能生长不剪枝，过拟合。
4、随机森林投票，分类任务采用简单投票法，回归任务采用简单平均法。

起始性能较差，随着学习器数目增多，收敛到更低的泛化误差。
在噪声较大的分类或回归问题上容易过拟合。

能够处理高纬数据，在训练完毕后，给出特征的重要性。

---

GBDT：

不得不提boosting。
每个新分类器根据已经训练的分类器的性能来训练。
Boosting通过关注被已有分类器错分的那些数据来获得新的分类器。
（注意：错分的数据）

每一次计算都是为了减少上一次的残差。

GradientBoost中，使之前的模型残差往梯度下降的的方法。
利用损失函数的负梯度在当前模型的值作为残差的近似值，进而拟合一颗CART回归树。

GBDT都是CART回归树、而不是分类树。

优点：灵活处理各类型数据。
缺点：难以并行训练数据。

---

XGB：

最大的认知在于其能够自动运用CPU多线程进行并行计算。

GBDT在优化时只用到一阶导数，XGB对代价函数进行二阶太累展开，得到一阶和二阶导数。

XGB在代价函数中加入了正则项，用于控制模型对复杂度。
shrinkage（缩减），相当于学习率，XGB在进行完一次迭代时，会将叶子节点的权值乘上该系数，消弱每棵树的影响，让后面有更大的学习空间。

XGB对分裂节点处理上做了优化。