回答:
これは私には理にかなっています。
私はガウスのケースに焦点を当てます。ここで、各ツリーは現在のモデルの残差に適合し、モデルの更新はです。グラディエントブースターのアイデアは、これらのツリーを1つずつ追加して、モデルのバイアスを注意深くゆっくりと減らすことです。M I + 1 = M I + α T I
この場合、値が大きいと、ターミナル(リーフ)ノードに対応し、以前のモデルに非常に大きく重要な更新が行われます。正則化用語の考え方は、これらの大きな単一ツリー更新のインシデントを最小限に抑えることです(モデル損失関数の減少が正則化ペナルティを相殺するのに十分な大きさである場合にのみ許可する)。そのような更新が単一のツリーに対して正規化されているが正当化されることが判明した場合、ブースティングの哲学に従って、複数のモデルの更新に組み込まれます。
これは、尾根回帰と非常によく似ています。