训练过程
伪代码如下:
初始化,f_m = f_0= label均值
每新建一个树,
更新残差 res_m = label - f_m
更新叶子节点预测值 f_m = f_prev + lr * res_m
每做一次特征划分,计算SE = (残差res_m-残差均值)**2
预测过程
预测结果 = 训练数据label均值 + lr*每棵树对应叶子节点的残差之和
伪代码如下:
初始化,f_m = f_0= label均值
每新建一个树,
更新残差 res_m = label - f_m
更新叶子节点预测值 f_m = f_prev + lr * res_m
每做一次特征划分,计算SE = (残差res_m-残差均值)**2
预测结果 = 训练数据label均值 + lr*每棵树对应叶子节点的残差之和