Tree 梯度增强树在回归中是如何工作的?
我在理解梯度增强的树是如何工作的方面遇到了一个问题。我在这里尝试了以下链接: 但这并不是很有帮助。所以我的印象是Tree 梯度增强树在回归中是如何工作的?,tree,machine-learning,binary-tree,gradient,Tree,Machine Learning,Binary Tree,Gradient,我在理解梯度增强的树是如何工作的方面遇到了一个问题。我在这里尝试了以下链接: 但这并不是很有帮助。所以我的印象是 将数据划分为多个分区 您试图找到一条最佳拟合线来预测每个分区上的数据点 计算每个分区的某种误差(剩余平方和) 创建另一棵树,并基于上一棵树的错误,尝试找到另一个分区,该分区将进一步减少整个等式的总RSS,并重复此操作,直到创建了一定数量的树 我对以下几个方面感到困惑: 这些分区的意义是什么?为什么我不能在没有分区的情况下找到树的RSS?此外,我还了解到,最终预测值是通过将每棵树的加