- 链接地址:https://blog.csdn.net/wendaomudong_l2d4/article/details/117000359
- 链接标题:Boosting之GBDT源码分析_gdbt源码-CSDN博客
- 所属网站:blog.csdn.net
- 被收藏次数:9351
文章浏览阅读326次。对数损失函数 LR中,求参数时用到了极大似然,即求得某些参数使得已知样本出现的概率最大。对于分类问题,训练集我们已知label,如果所有样本都预测准确,那么y^=y\hat{y}=yy^=y。即:y=0y=0y=0,P(Y∣X)P(Y|X)P(Y∣X)尽可能接近0y=1y=1y=1,P(Y∣X)P(Y|X)P(Y∣X)尽可能接近1则目标为:∏i=1N[P(Y=1∣X=xi)]yi[1−P(Y=0∣X=xi)]1−yi\prod_{i=1}^{N}\left[P\left(Y=1|X=x_{i_gdbt源码
版权声明:本文发布于特牛网址导航 内容均来源于互联网 如有侵权联系删除
标签:gdbt源码