梯度树中的迭代次数是否只增加了树的数目？
梯度树中的迭代次数是否只增加了树的数目？
提问于 2019-05-29 16:19:05
我已经找了一段时间了，只是找不到任何线索。当人们谈论算法中的迭代时，比如XGBoost或LightGBM，或者Catboost，它们是否意味着要构建多少决策树，即基本学习者？即XGboost m=100意味着该算法将总共建立100个基础学习者，每一个计算和优化都是对先前预测的剩余值进行的。
还是更像是深度学习的一个时代？
回答 1
Data Science用户
回答已采纳
发布于 2019-05-29 16:36:02
你的第一个解释是正确的。每增加一次迭代/循环，就会增加一个基础学习者，这可能就是人们在谈论迭代时所指的内容。
来自维基：
一个自然正则化参数是梯度增强迭代数M(即当基本学习者是决策树时模型中的树数)。
迭代发生在算法的其他部分，例如梯度下降，但如果简单地称为“迭代”，我不认为这是讨论的内容。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/52857
复制相关文章
相似问题
腾讯云开发者
