梯度提升技术维基百科，自由的百科全书跳到导航跳到搜索梯度提升（梯度增强）是一种用于回归和分类问题的机器学习技术，其产生的预测模型是弱预测模型的集成，如采用典型的决策树作为弱预测模型，这时则为梯度提升树（GBT或GBDT）。像其他提升方法一样，它以分阶段的方式构建模型，但它通过允许对任意可微分损失函数进行优化作为对一般提升方法的推广。梯度提升的思想源自LeoBreiman的一个观察：即可以将提升方法解释为针对适当成本函数的优化算法。[1]显式回归梯度增强算法随后由JeromeH.Friedman[…
随机森林维基百科，自由的百科全书跳到导航跳到搜索在机器学习中，随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。这个术语是1995年[1]由贝尔实验室的何天琴（英语：）（TinKamHo[1]）所提出的随机决策森林（randomdecisionforests）而来的。[2][3]然后LeoBreiman和AdeleCutler发展出推论出随机森林的算法。而"RandomForests"是他们的商标。这个方法则是结合Breimans的"Bootstrapaggr…
