老师，在实际应用当中我们是用一个tree去model所有的category，还是用多个tree给每个category（one for each class）？这种one for each class的情况在RF 或者GBDT模型当中具体是如何实现的呢？
无论是RF还是GBDT，他们当中每一个Tree都可以做多分类问题。对于RF，每一棵树都单独做multi-class classification，判断出最可能的所属类别，最后整个RF把所有树的分类结果取众数。如果是GBDT，就像我们上课讲的，可以把它看成是串行地不断去model数据的残差（如果error是用squared-loss定义），那么此时每一颗树也是在做multi-class classification, 最后把所有树的输出结果整合起来。
处理之外，对于一个multi-class classification problem, 我们也可以把它分解为多个binary classification problem, 分别让RF或GBDT去做，最后把结果整合起来。在这种情况下，RF或GBDT实际在做的就只是binary classification了。
明白了，谢谢老师！