模型
Gradient-Boosted Trees（梯度提升树）
Gradient-Boosted Trees（梯度提升树）是一种集成学习技术，通过迭代地添加决策树来纠正前序模型的残差，解决了单一模型预测精度不足的问题。典型应用包括XGBoost、LightGBM和CatBoost，广泛用于结构化数据竞赛和工业预测任务。
详细解释
梯度提升树（GBT）基于梯度提升框架，将多个弱学习器（通常是决策树）组合成强学习器。它通过前向分步算法，每轮拟合当前模型的负梯度（残差），从而逐步减少损失函数。关键改进包括XGBoost的二阶泰勒展开和正则化、LightGBM的直方图算法和Leaf-wise生长、CatBoost的有序提升和类别特征处理。GBT在表格数据上表现卓越，是Kaggle竞赛和工业界（如点击率预测、风险控制）的常用模型。
别名与相关写法
gradient-boosted trees