機器學習很多時候都是假設空間尋找一個函數使得
式中
但是,往往我們找到的函數,在測試集上未必可以表現出好的效果,泛化能力不見得強,如果我們可以構造一系列的弱學習器,將其線性組合起來,或許可以得到很強的泛化能力。這個想法被稱作加法模型,表示如下:
式中
給定訓練集和損失函數時,訓練過程對應的優化問題可以表示爲
通常這是一個複雜的優化問題,因爲模型是加法模型,考慮分治算法思想,將其分割爲一系列的子問題去求解,將減小優化的複雜度;具體地,從前往後,每一步學習一個基函數及其係數:
逐步地使得