深度 | 螞蟻金服DASFAA論文帶你深入瞭解GBDT模型
小螞蟻說：
2018年5月21日，國際頂級資料庫會議DASFAA 2018（International Conference on Database Systems for Advanced Applications）在澳大利亞黃金海岸舉辦。
本文是螞蟻金服錄用於DASFAA的論文Unpack Local Model Interpretation for GBDT（作者：方文靜、周俊、李小龍、朱其立）的簡要介紹。
GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一種迭代的決策樹演算法，該演算法由多棵決策樹組成，所有樹的結論累加起來做最終答案。
GBDT模型自被提出以來，一直在有監督的機器學習任務中扮演重要角色，在各種機器學習演算法競賽中數見不鮮，因此對其應用的演算法業務中對模型結果解釋的需求也日益增加。本文設計並解釋了一種GBDT模型行之有效的區域性解釋性方案。
引言
GBDT(Gradient Boosting Decision Tree)模型自被提出以來，一直在有監督的機器學習任務中扮演重要角色，在各種機器學習演算法競賽中數見不鮮。GBDT是一系列決策樹弱分類器的整合，將所有決策樹的分值相加獲得最終預測結果，由於這種整合方法的本質，