gbdt算法族的高性能实现
gbdt的Python项目详细描述
GBDT是一种高性能和全功能C++实现的[ Jerome H. Friedman的梯度提升决策树算法]（http://STATEBET.Stanford .EDU/~JHF/FTP/STOBST.PDF）及其现代子集。它具有高效、低内存占用、丢失函数集合和处理分类特征和丢失值的内置机制。
** *您的数据太大，无法用现有的ML包加载到内存中。**BR/**GBDT减少内存使用功能bucketization显著地占用空间。对于一些测试数据集，它使用了对应数据集的1/7内存，只花了1/2的时间进行训练。有关更多详细信息，请参见[docs/performance_benchmark.md]（https://github.com/yarny/gbdt/blob/master/docs/performance_benchmark.md）。
***您希望更好地处理分类功能和缺少的值。**
*gbdt具有内置机制，以确定如何拆分分类功能并将缺少的值放置在树中。
**尝试不同的损失函数。**
*gbdt实现各种点态、成对、列表式损失函数，包括mse、logloss、huberized hinge loss、成对logloss、
[gbrank]（http://www.cc.gatech.edu/~zha/papers/fp086 zheng.pdf）和[lambdamart]（https://www.microsoft.com/en-us/research/wp content/uploads/2016/02/msr-tr-2010-82.pdf）。它支持轻松添加您自己的自定义丢失功能。
** *您的数据太大，无法用现有的ML包加载到内存中。**BR/**GBDT减少内存使用功能bucketization显著地占用空间。对于一些测试数据集，它使用了对应数据集的1/7内存，只花了1/2的时间进行训练。有关更多详细信息，请参见[docs/performance_benchmark.md]（https://github.com/yarny/gbdt/blob/master/docs/performance_benchmark.md）。
***您希望更好地处理分类功能和缺少的值。**
*gbdt具有内置机制，以确定如何拆分分类功能并将缺少的值放置在树中。
**尝试不同的损失函数。**
*gbdt实现各种点态、成对、列表式损失函数，包括mse、logloss、huberized hinge loss、成对logloss、
[gbrank]（http://www.cc.gatech.edu/~zha/papers/fp086 zheng.pdf）和[lambdamart]（https://www.microsoft.com/en-us/research/wp content/uploads/2016/02/msr-tr-2010-82.pdf）。它支持轻松添加您自己的自定义丢失功能。
欢迎加入QQ群-->： 979659372
