GBDT 由三个概念组成：Gradient Boosting（GB）、Regression Decision Tree（DT）和 Shrinkage
AdaBoost是Boosting算法中比较有代表性的一个，主要原理是通过不断调整样本和弱学习器的权重来输出最终结果。
所谓集成学习，顾名思义，就是集成多个基学习器的结果，采用一定的融合机制得到一个更为精准和稳定的结果。常见的集成学习有Bagging、Boosting、Stacking
