Friedman's gradient boosting 算法如何预测新数据

如下是Friedman paper里面提出的gradient boosting算法，应用于binary classification
我有一个地方没看懂。这个算法如何被用来预测新数据呢？ （下面算法的2-2可以保存下来，predict的时候再用一遍；那么2-3这一步，predict的手如何再利用一遍呢？predict时候，输入已经是一个新的数据了。） 希望大牛赐教。

又来了 又是这个楼主 昨天我问logistic regression 今天开始gb了 建议楼主少些点，学扎实点

不是大牛，但前几个月职业考试刚刚考过。也不是很清楚楼主的具体问题，但这个我的理解就是先建一个模型, 然后导入数据取得residual，然后取得residual再来建模来不断的update and refine the model. Residual 在2里面的步骤不能完全说是新数据，还是原来的数据衍生物。

不是大牛，但前几个月职业考试刚刚考过。也不是很清楚楼主的具体问题，但这个我的理解就是先建一个模型, 然后导入数据取得residual，然后取得residual再来建模来不断的update and refine the model. Residual 在2里面的步骤不能完全说是新数据，还是原来的数据衍生物。
圆棱角 发表于 2022-10-11 11:44

多谢！就是你说的这样。

楼主完全不知道“建了模型”是什么意思 模型里面存了什么也不知道 才会这么问 你自己看看train的过程模型学到的是什么不就完了吗

楼主完全不知道“建了模型”是什么意思 模型里面存了什么也不知道 才会这么问 你自己看看train的过程模型学到的是什么不就完了吗
Cumberbitch 发表于 2022-10-11 11:59

多谢！大牛一出手，问题就发抖。