梯度增强树如何计算分类错误？

Question

我明白梯度拉动了回归的工作原理，当我们建立了一个模型上一个模型的残差如何 - 如果我们使用例如线性回归那么这将是剩余errror作为下一个模型的目标，然后概括所有最终使模型更精简

但是在梯度增强分类树中如何做到这一点？假设我们有一个结果为0/1的二进制分类模型-下一个要训练的模型的残差是多少？以及如何计算它，因为它不会像线性回归那样是y减去y预测的。

我真的卡在这一个！一个二元分类树的错误是那些它missclassifies - 所以是只有missclasified点的下一个模型的目标是什么？

Answer 1

可以将p分类作为预测概率的回归问题，例如P（y = 1 | x），其中y是类别标签。您可以使用对数损失（逻辑损失）而不是平方损失来工作。