主页
/
7.【Deepseek】视频文档学习教程
/
2025AI人工智能课程精选
/
AI算法工程师就业班
/
08、机器学习-决策树系列
/
章节3：GBDT
/
23：GBDT试图使用有监督最优化算法梯度下降求解F(x).mp4
24：GBDT令每个弱学习器f(x)去拟合负梯度.mp4
25：GBDT每棵树都是回归树_准备数据才能训练下一颗小树.mp4
26：GBDT应用于回归问题.mp4
27：GBDT回归举例_总结.mp4
28：GBDT应用于二分类问题.mp4
29：GBDT二分类拟合的负梯度依然是残差.mp4
30：GBDT中shrinkage学习率和最优树权重ρ可以共存.mp4
31：GBDT应用于多分类任务.mp4
32：GBDT多分类如何每轮给K颗小树准备要去拟合的负梯度.mp4
33：GBDT多分类流程.mp4
34：对比GBDT回归、二分类、多分类相同点与不同点.mp4
35：GBDT二分类叶子节点分值计算推导.mp4
36：GBDT多分类叶子节点分值计算.mp4
37：GBDT二分类举例详解.mp4
38：GBDT多分类举例详解.mp4
39：计算特征重要度进行特征选择.mp4
40：GBDT用于特征组合降维.mp4
41：特征组合降维在GBDT+LR架构应用.mp4
42：GBDT在sklearn中源码剖析_初始化F(x).mp4
43：GBDT在sklearn中源码剖析_负梯度计算和叶子节点分值计算.mp4
44：GBDT+LR架构训练模型代码实现.mp4
45：GBDT+LR架构预测评估代码实现.mp4
© 2026
⚠
信息加载中,请等待...
