梯度提升决策树（Gradient Boosting Decision Tree，GBDT）是一种基于boosting集成学习思想的加法模型，训练时采用前向分布算法进行贪婪的学习，每次迭代都学习一棵CART树来拟合之前 t-1 棵树的预测结果与训练样本…

摘要:gbdt是一种性能非常好的机器学习模型框架，在产业界应用十分广泛。 本文介绍了集成模型的3种常见集成策略，即bagging、stacking和boosting，并对boosting模型的杰出代表GBDT的基本原理进行了介绍。

2022年12月25日 · 梯度提升决策树（Gradient Boosting Decision Trees, GBDT）是一种强大的集成学习方法，广泛应用于分类、回归以及其他机器学习任务中。 它通过迭代地构建一系列弱预测 模型 （通常是 决策树 ），每个新的 模型 都试图纠正前一个 模型 的错误。

2024年6月5日 · GBDT，全称为Gradient Boosting Decision Tree，即梯度提升决策树，是机器学习领域中一种高效且强大的集成学习方法。 它通过迭代地添加决策树以逐步降低预测误差，从而在各种任务中，尤其是回归和分类问题上表现出色。

2025年2月7日 · GBDT，英文全程Gradient Boosting Decision Tree，中文名叫 梯度提升决策树。 GBDT算法，是集成学习中， BOOSTING算法 中的基础算法，包括 XGBboost， LGB， catboost，本质上均是GBDT算法的演变。 集成学习中的另外一个算法 AdaBoost算法 之前有一篇文章已经讲过了。 具体可见： Chiahsin：机器学习集成学习——ADABOOST故事化，讲解其算法原理数学推导过程. 这篇文章将主要对GBDT的算法思想和原理，进行一些整理。 整个整理也 …

2024年11月12日 · 梯度提升树（Gradient Boosting Decision Trees，GBDT）是一种强大的机器学习方法，广泛用于回归和分类任务。它通过构建一系列决策树来优化模型的预测能力，基于梯度提升框架，使得每一棵树都试图纠正前一棵树的错误。

2019年8月14日 · GBDT(Gradient Boosting Decision Tree)是一种迭代的决策树算法，由多棵决策树组成，所有树的结论累加起来作为最终答案，我们根据其名字(Gradient Boosting Decision Tree)来展开推导过程。

2025年2月25日 · Like bagging and boosting, gradient boosting is a methodology applied on top of another machine learning algorithm. Informally, gradient boosting involves two types of models: a "weak" machine...

2024年9月4日 · GBDT（Gradient Boosting Decision Tree），全名叫梯度提升决策树，是一种迭代的决策树算法，又叫 MART（Multiple Additive Regression Tree），它通过构造一组弱的学习器（树），并把多颗决策树的结果累加起来作为最终的预测输出。

Gradient Boosting is a machine learning algorithm, used for both classification and regression problems. It works on the principle that many weak learners (eg: shallow trees) can together make a more accurate predictor. How does Gradient Boosting Work?