关于为什么要用GBDT的疑问

那要你说的“直接的Boosting Tree”的定义了。GBDT前的boosting版本是Adaboost，Adaboost用的指数损失函数，然后会根据上一轮的迭代结果去更改每个样本的权重，上一轮错误的分类权重变大，正确的分类样本权重变小。权重的调整也有具体的公式。每个弱分类器自身的权重也是不等的。

GBDT的损失函数是可以是任何（可导）函数。在迭代过程中，GBDT不会去更改样本的权重，而是去直接优化目标函数，以一定的速率（学习率、步长）去拟合一轮又一轮的残差。