RT .
2个回答
GBDT是一个树的boosting方法，并且用到的是回归树，一般来说树模型不需要对数据有太多的操作。如果要使用的话，GBDT也涉及到使用损失函数对预测值的负梯度方向信息进行更新模型，那么我觉得做归一化处理可以加速模型的预测效率。其次，如楼上所说，缺失值也是一个问题，GBDT对于缺失值没有很好的学习策略，不像xgboost，所以做好对数据的预处理也挺重要，但是数据的预处理和特征工程都是要做的事情，才会放到模型里学习。总结来说，没有什么要注意的，不过gbdt处理的是连续型的数据，做回归任务多一些。
SofaSofa数据科学社区DS面试题库 DS面经
Cypher
2021-03-10 10:25
相关主题
adaboost里的feature importance和随机森林里的feature importance是一回事吗？
1回答
对于树模型，需不需要特征筛选
2回答
随机森林每次用多少个特征？
2回答
使用lightgbm，训练前对数据特征赋予权重是否对结果有影响
1回答
为什么特征重要性约大，在决策树里分裂的顺序却是越靠后呢?
1回答
怎么理解决策树是模型自己在做interaction？
2回答
我们谢绝在回答前讲“生动”的故事。
我们谢绝“这么简单，你自己想”、“书上有的，你认真看”这类的回答；如果你认为对方的提问方式或者内容不妥，你可以直接忽略该问题，不用进行任何作答，甚至可以对该问题投反对票。
我们谢绝答非所问。
我们谢绝自己不会、硬要回答。
我们感激每一个用户在编写答案时的努力与付出！