信用评分算法：

GBDT(Gradient Boosting Decision Tree)又叫MART(Multiple Additive Regression Tree)，该模型不像决策树模型那样仅由一棵决策树构成，而是由多棵决策树构成，通常都是上百棵树，而且每棵树规模都较小（即树的深度会比较浅）。模型预测的时候，对于输入的一个样本实例，首先会赋予一个初值，然后会遍历每一棵决策树，每棵树都会对预测值进行调整修正，最后得到预测的结果。

F(x)=F_0+β_1 T_1 (x)+β_2 T_2 (x)+⋯+β_m T_m (x)

其中，F_0为设置的初值，T_i是一棵棵的决策树（弱的分类器）。

GBDT作为一种boosting算法，自然包含了boosting的思想，即将一系列弱分类器组合起来构成一个强分类器。它不要求每个分类器都学到太多的东西，只要求每个分类器都学一点点知识，然后将这些学到的知识累加起来构成一个强大的模型。