文档摘要

2.2 决策树与集成学习：从分裂准则到 XGBoost 本节摘要：决策树用递归分裂把特征空间切成矩形块，单树易过拟合，集成来救场：Bagging 并行降方差，Boosting 串行降偏差。GBDT 把残差拟合成一条流水线，XGBoost 在它之上补了二阶信息、正则化与工程优化。本节按这条演进链组织全部高频追问。 上一节的线性模型在特征交叉与非线性的边界上力不从心，树模型是另一种极端：不做任何全局假设，让数据自己说话。 会员。《2.2 决策树与集成学习：从分裂准则到 XGBoost》收录于灏天文库文集《机器学习算法面试题精选与解析》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/543-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E9%9D%A2%E8%AF%95%E9%A2%98%E7%B2%BE%E9%80%89%E4%B8%8E%E8%A7%A3%E6%9E%90

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流