提升树(boosting tree) 是以分类树或回归树为基本分类器的提升方法,是统计学习中性能最好的方法之一。
模型
以决策树为基函数的加法模型
fM(x)=m=1∑MT(x;Θm) 其中:
T(x;Θm)为决策树
Θm为决策树的参数
M为树的个数
没有系数am
分类问题使用二叉分类树。
回归问题使用二叉回归树。
策略
回归问题 -- 平方误差损失函数
分类问题 -- 指数损失函数
一般决策问题 -- 一般损失函数
算法
第m步的模型是:
fm(x)=fm−1(x)+T(x;Θm) 若m为当前模型,通过经验风险极小化确定下一棵决策树的参数为: