加法模型

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/LEE18254290736/article/details/81775928

我在参加阿里天池O2O比赛中，遇到了一些问题，还有一些概念。其中运用了xgboost模型，xgboost模型在加法模型与前向分布模型基础上进行了延伸。在这里主要记录加法模型的用途及基本操作。

一.加法模型，顾名思义就是将各种东西加起来求个和，这是大体意思，并不是准确的表达。

具体细化到生活中的实例，就比方说你在建一座跨海大桥，需要设计方案，不同的人对此有不同的思路，桥梁专家对于桥梁建设有方案，材料专家对于建桥的材料有思路，海洋专家对于大桥下面的海洋水流有建议，综合不同人的思路及建议，完整的整理相加出一套解决方案。

加法模型的数学抽象（公式）：

其中各个参数的含义：

指的是基函数（可以理解为此人对于建桥的意见，例如材料专家给出要使用钢筋混凝土浇筑）

基函数参数（可以理解为此人的特点，例如是桥梁专家，或者是水利专家）

基函数系数（此人的重要性，例如在建桥中，首先要服从桥梁专家，气候专家的意见权重就要小一些）

x指的就是这个问题（建桥问题）

这样一个加法模型的问题就解释清楚了。

二.加法模型同样有缺点，有冗余。就像多种意见中，肯定有很多意见不是那么准确

专业术语中，他就是预测值与真实值的差距。也就是损失函数：

我们要想办法将损失降到最小，于是就用到了：前向分步算法。后期我会慢慢加上。