集成学习与树模型

题集来源:Datawhale(datawhalechina)收录项目:daily-interview查看原题集

题目目录

92 道原题
  1. gbdt应用在多分类问题?

    原题
  2. RF和GBDT的区别?

    原题
  3. Xgboost相对gbdt做了哪些改进?

    原题
  4. xgb如何在计算特征时加速的?

    原题
  5. xgb为什么使用二阶梯度信息,为什么不使用三阶或者更高梯度信息?

    原题
  6. lgb相对xgb做了哪些改进?

    原题
  7. 比较一下catboost、lgb和xgb?

    原题
  8. 如果将所有数据复制一倍放入训练数据集,RF和GBDT分别有什么表现?

    原题
  9. gbdt如何防止过拟合?由于gbdt是前向加法模型,前面的树往往起到决定性的作用,如何改进这个问题?

    原题
  10. RF/GBDT/XGB/lightGBM ?

    原题

    此条原文仅列四种模型名称,未给出代码实现或具体数据条件。