文章來自微信公衆號：【機器學習煉丹術】
文章目錄：
0 前言
先縷一縷幾個關係：
- GBDT是gradient-boost decision tree
- GBDT的核心就是gradient boost，我們搞清楚什麼是gradient boost就可以了
- GBDT是boost中的一種方法，boost還有XGBoost，adaboost。
- GBDT的基模型一般是CART
1 基本概念
【Boost】 就是讓多個弱分類器，通過不同的集成方式，來讓多個弱分類器變成一個強分類器。
【gradient-boost】 梯度提升。簡單的說，先訓練一個弱分類器，然後弱分類器和目標值之間的殘差，作爲下一個弱分類器訓練的目標值。這裏有一個非常簡單的例子
- 第一個模型預測年齡，雖然真實值是30歲，第一個模型只給出了20歲的估計值；
- 第二棵樹要預測的就是這個10歲的殘差，但是第二棵樹只給出了6歲的估計值；
- 第三棵樹預測的是第二棵樹的4歲的殘差，但是………………（禁止套娃）
2 梯度 or 殘差 ？
對於GBDT，網上的很多文章都沒有講清楚，學習梯度還是學習殘差？從上面的那個例子來看，是學習殘差的。
其實，從來GBDT都是學習梯度的，學習殘差只是學習梯度的一個特例!
如果我們是在做一個迴歸任務（就像是上面例子中預測年齡），採用平方損失：\(loss = \frac{1}{2}\sum^n_i{(y_i-\hat{y_i})^2}\)
其中\(y_i\)是真實數值，\(\hat{y_i}\)是模型預測的值。
然後想求取這個關於\(\hat{y_i}\)的梯度，那就是：
\(\frac{\partial loss}{\partial \hat{y^i}}=(-1)(y_i-\hat{y_i})\)
所以殘差在平方損失的情況下，就是等於負梯度,所以兩者一回事。
3 殘差過於敏感
對於數據不乾淨，沒有清晰掉異常值的數據樣本。使用平方損失對異常值過於敏感了：
敏感就是因爲，異常值的損失過大了，導致下一個弱分類器就會強行擬合這個5.445的樣本，擬合異常值就意味着弱化了泛化能力，從而整體精度就可能會下降。
所以，這裏在迴歸問題中，也可以考慮使用下面的兩個損失函數：
-
Absolute loss:
\(loss=|y-\hat{y}|\) -
Huber loss:
這個是設置一個閾值，當\(|y-\hat{y}|\)小於這個閾值的時候，採用平方損失，當\(|y-\hat{y}|\)大於這個閾值的時候，採用類似於絕對損失的線性損失：
![]()
這裏看一下huber loss的函數圖像：
![]()
就是一個平方損失，一個線性損失。
然後看一下平方損失，絕對損失，huber損失對於異常值的容忍程度：
【小小的總結】
GBDT是基於boosting的思想，串行地構造多棵決策樹來進行數據的預測，它是在損失函數所在的函數空間中做梯度下降，即把待求的決策樹模型當作參數，每輪迭代都去擬合損失函數在當前模型下的負梯度，從而使得參數朝着最小化損失函數的方向更新。
【現在還用嗎？】
學肯定是要學的，因爲GBDT是非常經典的集成模型，知道了可以擴充知識面。但是其實在2010年橫霸大數據競賽的，現在10年過去了，在競賽中已經是老古董了。
【GBDT vs Adaboost】
Adaboost是boost集成的另一個非常經典的算法。Adaboost只能採用指數損失的二分類任務，而GBDT可以使用各種可微分的損失函數來處理多分類、迴歸等任務。
4 兩個基模型的問題
【問題：爲什麼GBDT模型都會使用CART（分類和迴歸樹）來作爲基模型呢？】
這與決策樹算法自身的優點有很大的關係。決策樹可以認爲是if-then規則的集合，易於理解，可解釋性強，預測速度快 。同時，決策樹算法相比於其他的算法需要更少的特徵工程，比如可以不用做特徵標準化，可以很好的處理字段缺失的數據，也可以不用關心特徵間是否相互依賴 等。決策樹能夠自動組合多個特徵，它可以毫無壓力地處理特徵間的交互關係並且是非參數化 的，因此你不必擔心異常值或者數據是否線性可分（舉個例子，決策樹能輕鬆處理好類別A在某個特徵維度x的末端，類別B在中間，然後類別A又出現在特徵維度x前端的情況）不過，單獨使用決策樹算法時，有容易過擬合缺點。所幸的是，通過各種方法（比如剪枝、最大樹深度、最小葉子樣本數量、正則項等），抑制決策樹的複雜性，降低單顆決策樹的擬合能力，再通過梯度提升的方法集成多個決策樹，最終能夠很好的解決過擬合的問題。由此可見，梯度提升方法和決策樹學習算法可以互相取長補短，是一對完美的搭檔。
【還有什麼抑制單棵決策樹的複雜度的方法？換言之，決策樹的避免過擬合的方法？】
- 限制樹的最大深度
- 限制葉子節點的最少樣本數量
- 限制節點分裂時的最少樣本數量
- 吸收bagging的思想對訓練樣本採樣（subsample）在學習單顆決策樹時只使用一部分訓練樣本（樣本採樣）
- 借鑑隨機森林的思路在學習單顆決策樹時只採樣一部分特徵（特徵採樣，同樣是bagging的思想）
- 在目標函數中添加正則項懲罰複雜的樹結構等。