从原理上来说，GBDT 和 SVM 哪个更强？为什么

从原理上来说，GBDT 和 SVM 哪个更强？为什么

两个classifier到底哪个好？或许有人会说这样简单的判定哪个好哪个不好很幼稚，每一个classifier都有它的优缺点，但是看看CVPR每年的几百篇论文，这两个classifier的地位很难有任何其他的算法能比吧？

GBDT 全称为 Gradient Boosting Decision Tree。是一种基于决策树(decision tree)实现的分类回归算法。GBDT 有两部分组成: gradient boosting, decision tree。
支持向量机(support vector machine)是一种分类算法，通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，亦能获得良好统计规律的目的。
这两个算法关键看应用场景，主要是特征数量、训练过程和可解释性有区别。SVM 能够训练大量特征，不用考虑特征离散化或者分段，非线性映射可以很好的分类。GBDT在特征较少的时候，能够高效bootstrap 抽取样本和特征，训练多颗树，能够自动做特征重要性排序，通过gini系数等指标判断分割点，能够表达非常复杂的规则。