Boosting与AdaBoost
提升学习是一种机器学习技术，可以用于回归和分类问题。它每一步产生弱预测模型 (如决策树)，并加权累加到总模型中。如果每一步的弱预测模型的生成都是依据损失函数的梯度方式的，那么称为梯度提升(Gradient Boosting)。
提升技术的意义： 如果一个问题存在弱预测模型，那么可以通过Boosting技术得到一个强预测模型。
常见的模型有： Adaboost、Gradient Boosting(GBT/GBDT/GBRT)、XGBoost、LightGBM。
参考文献
Boosting提升学习