标签：没有   选择   总结   优缺点   大致   如何   遇到   之一   nbsp   

一、简介

gbdt全称梯度下降树，在传统机器学习算法里面是对真实分布拟合的最好的几种算法之一，在前几年深度学习还没有大行其道之前，gbdt在各种竞赛是大放异彩。原因大概有几个，一是效果确实挺不错。二是即可以用于分类也可以用于回归。三是可以筛选特征。这三点实在是太吸引人了，导致在面试的时候大家也非常喜欢问这个算法。 gbdt的面试考核点，大致有下面几个:

• gbdt 的算法的流程？
• gbdt 如何选择特征 ？
• gbdt 如何构建特征 ？
• gbdt 如何用于分类？
• gbdt 通过什么方式减少误差 ？
• gbdt的效果相比于传统的LR，SVM效果为什么好一些 ？
• gbdt 如何加速训练？
• gbdt的参数有哪些，如何调参 ？
• gbdt 实战当中遇到的一些问题 ？
• gbdt的优缺点 ？

二、

GBDT面试要点总结

标签：没有   选择   总结   优缺点   大致   如何   遇到   之一   nbsp   

原文地址：https://www.cnblogs.com/nxf-rabbit75/p/10434407.html