1664.在机器学习中,什么是梯度提升机(GBM)?

题目解析： 题干：在机器学习中，什么是梯度提升机（GBM）？ 正确答案：D：一种集成学习算法 解析： 梯度提升机（Gradient Boosting Machine, 简称 GBM）是一种基于集成学习的机器学习算法。它通过逐步训练多个弱学习器（通常是决策树），并将它们组合成一个强学习器。每一轮训练都聚焦于前一轮模型预测的残差（即误差），利用梯度下降的思想最小化损失函数，从而不断提升模型的整体性能。 选项分析： A：一种监督学习算法 虽然GBM通常应用于监督学习任务（如回归和分类），但“监督学习”描述的是学习范式，而不是算法结构的本质类别。许多算法都属于监督学习，该选项未能准确刻画GBM的核心机制。 B：一种无监督学习算法 错误。GBM需要标签数据进行训练，用于最小化预测误差，因此不属于无监督学习。 C：一种强化学习算法 错误。强化学习涉及智能体在环境中通过试错来学习策略，而GBM不涉及环境交互或奖励机制，与强化学习无关。 D：一种集成学习算法 正确。GBM属于集成学习中的“提升法”（Boosting）类别，通过串行方式组合多个弱模型，每个模型试图纠正前一个模型的错误，最终形成一个高性能的集成模型。 核心知识点： 1. 集成学习（Ensemble Learning）：指结合多个模型的预测结果以获得比单一模型更优性能的方法。主要方法包括Bagging（如随机森林）和Boosting（如GBM、XGBoost、LightGBM）。 2. 提升法（Boosting）：一种集成策略，通过迭代训练弱学习器，每次关注之前模型预测错误的样本，逐步提升整体性能。 3. 梯度提升（Gradient Boosting）：将提升过程与梯度下降优化相结合，通过拟合损失函数的负梯度（即伪残差）来逐步优化模型。 因此，梯度提升机本质上是一种集成学习算法，正确答案为D。