GBDT、XGBoost、Random Forest、Lig

[问答题]

GBDT、XGBoost、Random Forest、LightGBM分别是什么？它们的原理和区别是什么？

爱吃香菜的杰克是我的神

BAGGING 是并行多个模型独立训练，结果投票获得，BOOSTING 串行多个模型依次训练，后续模型修正前序模型的错误。

发表于 2025-10-14 19:52:46 回复(0)

六元不圆

随机森林是并行训练多个模型，最后通过投票得到最终的结果预测，降低方差，防止过拟合。GBDT、XGBoost、LightGBM都是串行训练，在得到上一轮结果的基础上进行训练，后续的模型修正前序模型的错误。

发表于 2026-04-23 16:45:32 回复(0)

Jerryyyytse

bagging (并行): 并行多个模型独立训练，结果投票或平均。降低方差，防止过拟合。XGBoost. Boosting(串行): 模型按顺序依次训练，后续模型修正前序模型的错误。降低偏差，提升精度。GBDT、XGBoost、LightGBM 。

发表于 2026-04-02 15:23:04 回复(0)

Raymond_030927

RF 属于bagging ,通过投票或者回归平均降低方差以减少过拟合； XGBoost，lightGBM属于boosting,通过修复上一轮样本带来的错误，降低残差减少欠拟合

发表于 2026-03-14 02:39:52 回复(0)

提交观点

问题信息

来自：2025年-华为-AI...

难度：

4条回答 31收藏 561浏览

扫一扫，把题目装进口袋