检索关键词boosting bagging rf gbdt xgboost adaboost lightgbm

1、随机森林和GBDT思想？ Bagging 和boosting。

2、Boosting和bagging谁的树深要设置的小一些为什么
boosting的树深度小，bagging的树深度大。因为boosting是低偏差的，所以树不必太深，且为了把boosting的方差也降低，树也要深度小。bagging是低方差的，为了降低偏差，把树的深度变大，这样能降低偏差。

3、boosting xgboost gbdt lgb 各自优点

4、xgboost、正则化、怎么优化，boost算法

5、Adaboost详细，adaboost的权值和RF比较

6、GBDT和XGboost区别

7、为什么GBDT用负梯度当做残差

8、xgboost为什么用二阶导

9、boosting 和 bagging区别

10、boost树间不能并行，那树内呢？如何并行

11、从方差和偏差的角度解释bagging boosting

12、Boost和bagging对树有什么要求吗

13、gdbt和rf哪个树更深

14、RF和GBDT的区别

15、GBDT和RF？GBDT如何分类？GBDT如何算梯度？

16、rf xgboost区别

17、xgboost rf lightbgm区别

18、GBDT可以并行吗？：原理上是不行的，这也是训练过程比RF慢的原因。但是XgBoost作为GBDT的一种工程实现方法，在决策树的构建过程中加入了部分并行技巧，加快了速度。

19、
GBDT和XgBoost的区别是什么呢？：XgBoost是GBDT的一个工程实现。1）在树的构建过程中加入了一些并行技巧；2）GBDT本身是没有预剪枝等过程的，XgBoost在构建的过程中加入了一些正则，起到了缓解过拟合的作用。

20、RF和XGboost特征重要程度

21、