项目作者： Ilikeyou3000
项目描述 ：
在用GBDT时发现的模型偏好
高级语言： Python
项目地址: git://github.com/Ilikeyou3000/verify.git
GBDT在处理稀疏数据上的缺点
缺点
如果数据太少，那么要注意规避GBDT🦹画梯形决策面的缺点，本实验以y-x=b为例，在线上的属于一类，在线下的属于另一类，展示拟合决策面效果。
上述逻辑在数据挖掘中可以体现为，（个体观测量-平均观测量）= b（显著）
规避
GBDT大概在数据挖掘里面很有用，尝试将这种线性项相减会获得比较好的决策面。
可以看到，原先像是被咬过的斜决策面，最后和恢复回来的决策面区别还是挺大的
所以数据少的时候，还是尽量不要去拟合带有斜线的逻辑
例子，如下图：
