3.4.4　集成树

集成树（Ensemble Tree）是树类模型集成算法的统称，例如Random Forest、AdaBoost、GBDT以及大名鼎鼎的XGBoost都属于集成树的范畴。顾名思义，集成树将决策树作为基学习器，利用集成学习的思想，以不同的方式叠加而形成。集成树既具有决策树本身解释性好的优点，又具有集成学习带来的准确性和区分度的提升，一些特殊的框架例如XGBoost，由于加入了正则化项，还保证了模型的稳定性。集成树算法相比于神经网络算法，对于数据量和数据维度的要求并不算高，通常数据量满足5万、数据维度大于100，就可以尝试建模，因此被各大互联网机构应用于申请评分模型、行为评分模型、催收评分模型、价值模型的搭建工作中，是目前建模人员首选的机器学习算法。