在提升中，每个额外的树都适合当前未建模的响应中无法解释的变化。如果我们使用平方误差损失，这相当于拟合到目前为止拟合的树聚合的残差。我不清楚此时是否应用了收缩（学习率）？例如，我们拟合第一棵树，并计算拟合值。我们现在是否通过学习率缩小（降低权重）这些拟合值，从而产生一组新的拟合值，从中我们计算用作集合中第二棵树的响应的残差，并遍历许多树？