A02 · 第 5 章 · 课程规划页
AdaBoost、梯度提升与残差拟合
本章研究AdaBoost、梯度提升与残差拟合。内容依次处理AdaBoost 指数损失与样本权重、函数梯度、伪残差与逐步加法模型、树深、学习率和迭代轮数的联合控制。
- 所在 Part
- 第三编 Boosting 与综合复习
- 预计学习
- 40 分钟
- 建设状态
- 已规划，尚无正式正文
计划实验
本章未登记独立交互实验；定义、公式和例题仍按下列提纲规划。
LEARNING OBJECTIVES
完成本章后应能
- 01准确说明AdaBoost 指数损失与样本权重。
- 02完成函数梯度、伪残差与逐步加法模型所需的推导、证明或算法。
- 03使用计算、例题或反例检验树深、学习率和迭代轮数的联合控制。
PLANNED SECTIONS
计划章节结构
- 01
AdaBoost 指数损失与样本权重
界定AdaBoost 指数损失与样本权重，明确使用的条件、主要结论与可复核步骤。
- 02
函数梯度、伪残差与逐步加法模型
推导函数梯度、伪残差与逐步加法模型，明确使用的条件、主要结论与可复核步骤。
- 03
树深、学习率和迭代轮数的联合控制
检验树深、学习率和迭代轮数的联合控制，明确使用的条件、主要结论与可复核步骤。
计划定义
AdaBoost 指数损失与样本权重：对象、记号与前提
围绕AdaBoost 指数损失与样本权重列出主要对象、符号、前提与定义边界。
计划公式
函数梯度、伪残差与逐步加法模型：关系、判据与可复核步骤
把函数梯度、伪残差与逐步加法模型整理为可检查的关系、判据或算法步骤；涉及定量模型时写出公式，并说明符号、适用条件，以及需要时的单位或复杂度。
计划例题
树深、学习率和迭代轮数的联合控制：案例、反例与核验
围绕树深、学习率和迭代轮数的联合控制给出明确输入、前提或数据，逐步分析并用反例、误差、守恒量或边界条件复核。
计划练习
AdaBoost、梯度提升与残差拟合：定义、关系与边界综合练习
联结AdaBoost 指数损失与样本权重、函数梯度、伪残差与逐步加法模型与树深、学习率和迭代轮数的联合控制，分别检验定义辨析、主要步骤和适用边界。
本章概念落点
以下位置是术语、搜索和知识图谱引用本计划章节时使用的稳定链接。
- 集成学习组合多个基学习器降低方差或偏差，比较 bagging、随机森林和 boosting。
关键词
AdaBoost、梯度提升、残差拟合、第三编 Boosting 与综合复习、核方法、树模型与集成学习