摘要：
机器学习中的误差Error可以理解为偏差和方差的和。 Error(误差) = Bias(偏差) + Variance(方差) Bias 偏差指的是样本输出与真实值之间的差距，即模型本身的拟合程度。 代表了模型本身的精确度 Variance 方差指的是模型每一次输出结果与真实值之间的差距，即模型的泛化 阅读全文
摘要：
一、Boosting GBDT属于集成学习（Ensemble Learning）中的boosting算法。 Boosting算法过程如下： (1) 分步去学习weak classifier，最终的strong claissifier是由分步产生的classifier’组合‘而成的 (2) 根据每步学 阅读全文