老师，小树是去拟合-η*gt,为什么加上权重η之后，就变成了拟合负梯度了呢

老师，GBDT多分类中，第0棵树初始化的概率没有用吗，第一棵树的y，不是真实的标签-初始化概率吗

请问一下，配置环境变量到底有啥用？能全面详细解释一下么？

集成学习可以理解为，对样本每一种特征进行训练得到一棵小树，当新数据进行预测时，其结果就是每一科小树预测结果的加和，对吗？

老师，我突然优点迷茫了，做回归时为什么均值就是预测值呀？

这里的收益（gain）怎么用？ 我就知道了定性可以说分裂的收益要是正的 然后总的收益加和也是要求正的。 那么从定量的角度怎么描述收益就是说1和10的区别是啥 -1和-10的区别是啥 是跟方差有关吗

老师好，GBDT用于特征组合降维，是先有了模型之后，将特征作为输入，通过模型再进行特征的划分吧？随着划分的进行，假如特征都是列向量，共n列，那么每一次划分就横向切一刀，随着不断地横切，到叶子节点时，可能有些叶子节点时，可能有些特征的值就很稀疏，甚至可能为0吧，这个时候特征为0的就可以忽略吧，然后把还有值的特征进行组合。组合出来特征的数量与GBDT模型本身的trees的数量以及树的节点数目相关。我是这么理解的，不知道正确不？

样本1，2属于R2 这里的0.3333是怎么计算的得到的？

老师 选择某个维度作为条件如何理解？是先选择分裂特征，在选择分裂特征之后，在确定分裂条件吗？还是同时进行呢？

老师，划线部分这里缺少了过渡的内容，网上查看博客内容还有“接着我们计算第一个特征的第二个特征值，即R1为所有样本中花萼长度小于 4.9 cm 的样本集合，R2 为所有样本当中花萼长度大于等于4.9 cm 的样本集合。。。“

老师我想问一下验证集和测试集相比有什么本质性的区别吗，或者说验证集到底是怎么评估模型的，他和测试集的功能有什么区别

正则化对偏差、方差有什么影响？偏差、方差是测试集的结果衡量的吗

老师，蓝色圈着的部分是依据什么推导过去的呢？

利用bagging得到的不同模型有着不同的权重，怎么去判断哪些模型权重大
哪些模型权重小呢？

需要一个2.5倍的播放速度，从2倍到3倍听不清了