接着，选择分享方式，可以通过微信、QQ等社交媒体分享给你的朋友或者其他人。
最后，耐心等待对方接受你的分享邀请即可。在分享前，记得检查一遍自己的网络连接和游戏是否是最新版本，以免出现分享失败的情况。分享是一种分享快乐的方式，也是交流的一种方式，希望能帮助到大家。
回归提升树是一个拟合残差的过程。
与Adaboost不同的是：adaboost使用多个基学习器来拟合训练集数据，而基学习器训练的结果有好有坏。
基于训练结果好的给一个较大比重的设定，来分析各个基学习器的比重。
而回归提升树是一个不断减少残差的过程，这是与adaboost最大的不同。
按照adaboost权重设定思路，训练结果好的比重大，那么在boosting算法中，第一棵树一定是比重最大的。
拟合残差过程中，不断减少残差，使得训练结果逼近训练数据集，这样一个梯度提升的过程已经可以很好的提升精度，所以可以不加入权重。
当然，非要加入权重也是可以的，有一种权重缩减的策略，即后来的树的权重非常小。
我之前的实验设定权重稍大的时候，会出现过拟合的现象，当然这个还是根据数据来分析，判断是否加入权重以及权重的量级。
万物纷纷芸芸，各自回归其本源。回归本源叫做寂静。寂静叫做回归本来状态。回归本来状态叫做永恒规律，了解这种永恒规律就叫做明智。去繁从简，让人情“意重”，让往来“礼轻”。