与水平生长相比，垂直生长基于树的学习算法有什么区别？
What is the difference between growing a tree based learning algorithm vertically as compared to horizontally?
我遇到了基于树的算法 Light GBM，我读到它垂直生长树，这意味着 Light GBM 树是逐叶生长的（而其他一些算法是逐层生长的）。我只是想知道和思考：垂直种植一棵树有什么好处？有吗？
我能看到的一个区别（不一定是优势）是您在生长树时需要定义提前停止标准的方式。对此有什么想法吗？
如this section of LightGBM's documentation
所述
LightGBM 使用逐叶（或 XGBoost 所称的 lossguide）树生长，因为它可以实现比深度树生长更低的损失（即更好地适应训练数据），保持叶子的数量常数。
在逐叶树生长中，无论深度级别如何，都会选择增益最大的分割。
A difference ... I can see is the way you need to define early-stopping criteria while growing the tree
的确，在这种类型的树生长中，您现在必须考虑两种密切相关的方法来防止过拟合：
- 最大深度（LightGBM 中的
max_depth）
- 允许的叶子总数（
num_leaves 在 LightGBM 中）
我假设这就是您所说的“提前停止标准”的意思，但我还想指出“提前停止”一词在 GBM 中具有特殊含义，与单个树的行为方式无关长大的。提前停止，正如 XGBoost、LightGBM 和其他 GBM 库所指的那样，意味着“如果保留数据的性能在 n 次迭代后未能提高，则停止训练”。
我遇到了基于树的算法 Light GBM，我读到它垂直生长树，这意味着 Light GBM 树是逐叶生长的（而其他一些算法是逐层生长的）。我只是想知道和思考：垂直种植一棵树有什么好处？有吗？
我能看到的一个区别（不一定是优势）是您在生长树时需要定义提前停止标准的方式。对此有什么想法吗？
如this section of LightGBM's documentation
所述LightGBM 使用逐叶（或 XGBoost 所称的 lossguide）树生长，因为它可以实现比深度树生长更低的损失（即更好地适应训练数据），保持叶子的数量常数。
在逐叶树生长中，无论深度级别如何，都会选择增益最大的分割。
A difference ... I can see is the way you need to define early-stopping criteria while growing the tree
的确，在这种类型的树生长中，您现在必须考虑两种密切相关的方法来防止过拟合：
- 最大深度（LightGBM 中的
max_depth） - 允许的叶子总数（
num_leaves在 LightGBM 中）
我假设这就是您所说的“提前停止标准”的意思，但我还想指出“提前停止”一词在 GBM 中具有特殊含义，与单个树的行为方式无关长大的。提前停止，正如 XGBoost、LightGBM 和其他 GBM 库所指的那样，意味着“如果保留数据的性能在 n 次迭代后未能提高，则停止训练”。