我正在尝试阅读Greedy function approximation: A gradient boosting machine。

在第 4 页（标记为第 1192 页）的3 下。有限数据作者讲述了当我们有有限数据时函数逼近方法是如何失效的，并且需要某种方式来施加平滑度以获得可以在其他点使用的函数比训练数据集中提供的。它建议的一种方法是使用参数基函数（如在神经网络中），如果不可行，我们可以尝试“贪婪阶段”方法。这在信号处理中称为“匹配追踪”。

我了解，在非参数方法中，您无法在训练数据集中提供的点以外的点进行预测。我理解为什么参数化方法可以解决这个问题。我不明白 ：

“greedy stagewise”方法中“greedy”和“stagewise”的含义和意义是什么？您能否解释一下该段中所说的内容。