Gradient Boosted Tree(GBDT)

利用一系列弱學習器（決策樹）組合成一個強學習器，以提升整體預測性能。
GBDT可以應用於分類、回歸和特徵篩選等任務，並且在許多領域都取得了顯著的效果。

利用梯度提升（Gradient Boosting）策略來訓練決策樹模型，通過反覆運算地添加新的決策樹來最小化損失函數。

優點

• 適用性強：既可以用於分類任務，也可以用於回歸任務
• 可解釋性強：由於是基於決策樹的演算法，GBDT具有很好的可解釋性，可以幫助理解數據和模型之間的關係
• 特徵篩選：在訓練過程中，GBDT能夠自動篩選出對模型預測最重要的特徵