一个 GBDT 二分类模型，训练集 200 万、验证集 50 万。当前参数：学习率 0.1、树 2000 棵、max_depth 8、min_child_samples 用默认值 1，训练 AUC 0.95、验证 AUC 0.79。你不减特征、不换模型，只允许再跑 10 组实验。手上有三个旋钮：L2 正则系数 λ、学习率/树数（含早停）、min_child_samples。请说明每个旋钮作用在偏差-方差的哪一侧，并给出你的实验顺序和这 10 组实验怎么花。
面试官在考什么
能否把正则化手段对应到偏差方差的机制上，并在有限实验次数下用坐标式搜索而非乱调。
回答框架 · 前两步
- min_child_samples 是结构正则，直接阻止对噪声小样本的切分，主要压方差、小幅增偏差，通常第一步动它。
- 学习率降低 + 树数增加配合早停：单棵树贡献变小、方差下降，但训练成本上升，早停必须用独立验证集。
还有 3 条答案要点、 3 层追问、 5 个常见坑， 以及针对你简历的追问路径，在定制报告里。
延伸阅读
想看这个方向的整体准备路线？ 进入「机器学习基础」方向页