第二个弱学习器的预测值由来解释说明

预测值,是第2个弱学习器(CART回归树)的输出结果,我们来一步步拆解它的计算逻辑:


1. 回顾第2个弱学习器的输出

在上一轮构建第2个弱学习器时,我们找到了最优切分点 3.5,并把样本分成了两组:

  • 左子树(x ≤ 3.5) :包含样本1、2、3,对应的第2轮目标值(残差)是 -0.68, -0.54, -0.33。
    子树的输出值是这三个残差的均值 :
    −0.68+(−0.54)+(−0.33)3=−1.553≈−0.52 \frac{-0.68 + (-0.54) + (-0.33)}{3} = \frac{-1.55}{3} \approx -0.52 3−0.68+(−0.54)+(−0.33)=3−1.55≈−0.52
  • 右子树(x > 3.5) :包含样本4到10,对应的第2轮目标值是 0.16, 0.56, 0.81, -0.01, -0.21, 0.09, 0.14。
    子树的输出值是这七个残差的均值 :
    0.16+0.56+0.81−0.01−0.21+0.09+0.147=1.547=0.22 \frac{0.16 + 0.56 + 0.81 - 0.01 - 0.21 + 0.09 + 0.14}{7} = \frac{1.54}{7} = 0.22 70.16+0.56+0.81−0.01−0.21+0.09+0.14=71.54=0.22

2. 对应到第3轮表格里的预测值

第3轮表格里的"预测值",就是第2个弱学习器对每个样本的输出:

  • 样本1、2、3(x ≤ 3.5)→ 左子树输出 -0.52
  • 样本4到10(x > 3.5)→ 右子树输出 0.22

这就是表格里预测值列 -0.52, -0.52, -0.52, 0.22, ..., 0.22 的来源。


3. 为什么用均值?

CART回归树的叶节点输出,是该节点内所有样本目标值的均值。这是因为在平方损失下,均值能让该节点内的平方误差最小,是最优的输出值。


相关推荐
蒸蒸yyyyzwd23 分钟前
深搜广搜学习笔记
笔记·学习
叼烟扛炮1 小时前
[LangChain] 学习笔记(13):并发不是越大越好——batch / gather / 信号量 / 配额治理
笔记·学习·langchain
渣渣盟2 小时前
狂命爆肝99天,共52K字的JAVA学习笔记奉上,JAVA从入门到精通一文搞定,一文在手JAVA无忧
java·笔记·学习
叼烟扛炮13 小时前
[LangChain] 学习笔记(09):工具(Tool)定义与调用闭环 · 理论+实战完整版
笔记·学习·langchain
个 人 练 习 生13 小时前
C++:从零基础到深入了解vector的使用
开发语言·c++·经验分享·学习·程序人生·stl
Rabitebla15 小时前
【Linux操作系统】 文件篇(一):文件描述符与 Linux 文件管理机制
linux·网络·c++·笔记·学习
旖旎夜光17 小时前
【C++ 基础入门】智能指针:RAII、unique_ptr 与 shared_ptr 循环引用
c++·笔记·学习·智能指针
zdr尽职尽责19 小时前
终端工具凭空消失:Codex + GPT-6 的一次完整排障复盘
数据库·gpt·学习·ai
蒸蒸yyyyzwd21 小时前
计算机网络后端面试错题
笔记·学习
艾莉丝努力练剑1 天前
【AI大模型接入SDK】C++的SessionManager 线程安全
java·开发语言·前端·c++·人工智能·学习·安全