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。
回归常识是指在思考问题、解决问题或对待事物时，回归到最基本、最普通的道理和认知。回归常识意味着摆脱复杂、繁琐的表象，把握问题的本质，从而更好地理解和解决实际问题。
回归常识有以下几个方面的含义：
1. 简化思维：回归常识可以帮助我们简化思维，避免陷入过度的分析和解读，从而更快地找到问题的解决方法。
2. 关注本质：回归常识使我们能够关注问题的本质，而不是仅仅停留在表面的现象上。这有助于我们抓住问题的核心，从而更有效地解决问题。
3. 理性思考：回归常识意味着回归理性思考，避免盲目跟风、随大流。这有助于我们在面对各种观点和信息时，保持清醒的头脑，做出明智的判断。
4. 以人为本：回归常识要求我们以人为本，关注人的需求和感受。这有助于我们在工作和生活中，更好地与他人沟通、协作，提高人际关系的质量。
5. 实事求是：回归常识意味着实事求是，不偏离实际。这有助于我们在面对困难和挑战时，始终保持实事求是的态度，从而找到最符合实际的解决方案。
总之，回归常识是一种思维方式，它要求我们在面对问题时，摆脱复杂表象，把握基本道理，从而实现更好地的解决问题、提高生活质量。在生活中，我们可以通过培养回归常识的意识，锻炼自己的思维能力，从而更好地应对各种挑战。
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。