文件名称：百度GBDT源码
文件大小：19.67MB
文件格式：ZIP
更新时间：2018-02-14 09:29:33
GBDT
GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结论累加起来做最终答案。它在被提出之初就和SVM一起被认为是泛化能力（generalization)较强的算法。近些年更因为被用于搜索排序的机器学习模型而引起大家关注。
【文件预览】：
gbdt
----do_predict(52KB)
----lib_gbdt()
--------do_predict(55KB)
--------ori_input(104KB)
--------gbdt.so(240KB)
--------gbdt_train.cpp(3KB)
--------run.sh(69B)
--------test(26KB)
--------tags(8KB)
--------gbdt_rabbit.o(154KB)
--------gradient_boosting.h(6KB)
--------train(78KB)
--------do_gbdt(53KB)
--------gbdt_rabbit.cpp(5KB)
--------evaluate.py(795B)
--------test.result(5KB)
--------gbdt-train(158KB)
--------makefile(2KB)
--------gradient_boosting.cpp(37KB)
--------test.model(108KB)
--------gbdt_test.cpp(3KB)
--------output()
--------input(246KB)
--------gbdt-test(156KB)
--------gbdt_test.o(51KB)
--------gbdt_train.o(53KB)
--------libgbdt.a(189KB)
--------gradient_boosting.o(185KB)
----gbdt_train.cpp(2KB)
----run.sh(73B)
----tags(7KB)
----gradient_boosting.h(4KB)
----do_gbdt(53KB)
----makefile(320B)
----gradient_boosting.cpp(29KB)
----test.model(322KB)
----gbdt_test.cpp(3KB)
----gdbt_train(53KB)
----lib_gbdt.tar.gz(232KB)
----auc(85KB)
----gbdt_train.o(11KB)
----aaa(84.71MB)
----test.100(47KB)
----gbdt_train(45KB)
----transform.pl(282B)