XGBoost面试题

文档摘要

XGBoost面试题 RF和GBDT的区别相同点：都是由多棵树组成，最终的结果都是由多棵树一起决定。不同点：集成学习：$RF$属于$Bagging$思想，而$GBDT$是$Boosting$思想偏差-方差权衡：$RF$不断的降低模型的方差，而$GBDT$不断的降低模型的偏差并行性：$RF$的树可以并行生成，而$GBDT$只能顺序生成(需要等上一棵树完全生成) 最终结果：$RF$最终是多棵树进行多数表决（回归问题是取平均），而$GBDT$是加权融合数据敏感性：$RF$对异常值不敏感，而$GBDT$对异常值比较敏感泛化能力：$RF$不易过拟合，而$GBDT$容易过拟合比较LR和GBDT，说说什么情景下GBDT不如LR 先说说$LR$和$GBDT$的区别：