基本信息

---

下载

文档摘要

---

XGBoost算法核心思想简介

XGBoost(eXtremeGradientBoosting)是由华盛顿大学陈天奇博士提出的一种将决策树（DecisionTree）和梯度提升算法（GradientBoosting）相结合的机器学习算法REF_Re\w\h[5]，它通过迭代运算的方式，把较多的弱分类器转变成强分类器。

XGBoost算法属于梯度提升决策树算法（GBDT）的改进型集成学习算法，因此它也是一种监督学习算法REF_Re\w\h[6]。决策树的基本原理是，将每个决策（事件）当成父节点，引出两个或多个决策（事件）作为子节点