python实现GBDT算法的回归、二分类以及多分类，算法流程解读并可视化

算法原理以及公式推导请前往blog：

https://blog.csdn.net/weixin_41194171/article/details/85042720

https://blog.csdn.net/zpalyq110/article/details/79527653

AI项目体验地址 https://loveai.tech

运行指南

• 回归测试： python example.py --model = regression
• 二分类测试： python example.py --model = binary_cf
• 多分类测试： python example.py --model = multi_cf
• 其他可配置参数：lr -- 学习率, trees -- 构建的决策树数量即迭代次数, depth -- 决策树的深度, count -- 决策树节点分裂的最小数据数量, is_log -- 是否打印树的生成过程, is_plot -- 是否可视化树的结构.
• 结果文件：运行后会生成results文件夹,里面包含了每棵树的内部结构和生成日志

结果展示

仅展示最后所有树的集合，具体每棵树的详细信息望读者自行运行代码~