首页 > 试题广场 >

下列关于 GBDT 的说法，正确的是（）

[单选题]

GBDT 中的树都是分类树，但是 GBDT 也能用于回归问题

GBDT 的优点在于高度并行化，易于分布式实现

查看答案及解析

活跃的芝士在被拷

A. 错误。GBDT（Gradient Boosting Decision Tree）是一种基于决策树的集成学习方法，既可以用于分类问题，也可以用于回归问题。在 GBDT 中，使用的树通常是回归树，即使是在分类任务中，GBDT 也会通过回归树拟合残差或梯度来逐步优化模型。

B. 错误。GBDT 的训练过程是串行的，即每棵树的训练依赖于前一棵树的结果（通过拟合残差或梯度）。这种串行特性使得 GBDT 不像随机森林那样容易并行化或分布式实现。虽然某些实现（如 XGBoost、LightGBM）通过工程优化提高了并行性，但 GBDT 本身并不天然支持高度并行化。

C. 错误。GBDT 的核心思想是通过逐步拟合残差或梯度来减少模型的偏差（Bias），而不是直接降低方差（Variance）。相比之下，随机森林（Random Forest）更关注于降低方差，因为它通过对多棵树的结果取平均来平滑模型。

D. 正确。GBDT 使用的基学习器通常是 CART（Classification and Regression Tree）决策树。CART 树既可以用于回归任务，也可以用于分类任务，并且支持二叉树结构，适合 GBDT 的训练方式。

发表于 2025-04-12 16:53:06 回复(0)

提交观点

问题信息

数据挖掘树机器学习

难度：

1条回答 59收藏 59浏览

扫一扫，把题目装进口袋