xgboost xgb.dump 树系数

Question

我这里有一个示例代码。

data(agaricus.train, package='xgboost')
train <- agaricus.train
bst <- xgboost(data = train$data, label = train$label, max.depth = 2,
eta = 1, nthread = 2, nround = 2,objective = "binary:logistic")
xgb.dump(bst, 'xgb.model.dump', with.stats = TRUE)

建立模型后，我把它打印出来

booster[0]
0:[f28<-1.00136e-05] yes=1,no=2,missing=1,gain=4000.53,cover=1628.25
    1:[f55<-1.00136e-05] yes=3,no=4,missing=3,gain=1158.21,cover=924.5
        3:leaf=1.71218,cover=812
        4:leaf=-1.70044,cover=112.5
    2:[f108<-1.00136e-05] yes=5,no=6,missing=5,gain=198.174,cover=703.75
        5:leaf=-1.94071,cover=690.5
        6:leaf=1.85965,cover=13.25
booster[1]
0:[f59<-1.00136e-05] yes=1,no=2,missing=1,gain=832.545,cover=788.852
    1:[f28<-1.00136e-05] yes=3,no=4,missing=3,gain=569.725,cover=768.39
        3:leaf=0.784718,cover=458.937
        4:leaf=-0.96853,cover=309.453
    2:leaf=-6.23624,cover=20.4624

我有问题：

我知道梯度提升树用一些加权系数对这些树的结果进行平均。我怎样才能得到这些系数？
澄清一下。树预测的值是leaf = x，不是吗？

谢谢。

Answer 1

Q1 和 Q2 的综合答案：

xgboost 的所有树叶分数的系数为 1。只需将所有叶分数相加即可。令总和为S。然后对其应用 logistic(2-class) 函数： Pr(标签=1) = 1/(1+exp(-S))

我已验证并在生产系统中使用。

xgboost xgb.dump 树系数

xgboost xgb.dump tree coefficient

r

xgboost