Graphviz 提升树的值的含义是什么？

我画了一棵树，在树的末端（叶子中）显示了一些值。它们是什么意思

# model parameters
colsample_bytree = 0.4
objective = 'binary:logistic'
learning_rate = 0.05
eval_metric = 'auc'
max_depth = 8
min_child_weight = 4
n_estimators = 5000
seed = 7

# create and train model
bst = xgb.train(param, 
                dtrain, 
                num_boost_round = best_iteration)

dot = xgb.to_graphviz(bst, rankdir='LR')
dot.render("trees1")

我想，这是一个预测的proba分数，但叶子的“值”范围高达0.01。而预测的proba分数范围高达1。可能是，它意味着预测概率分数除以10（例如，叶值=0.01意味着预测概率=0.1）

为什么有些叶子有负值（例如-0.01）？ 多谢各位

---

叶的值是您的“评估指标”，位于您的分割：）。对你来说，这就是AUC

以下是树的所有属性：

n_nodes = estimator.tree_.node_count
children_left = estimator.tree_.children_left
children_right = estimator.tree_.children_right
feature = estimator.tree_.feature
threshold = estimator.tree_.threshold

从文件：

---

在文档中找不到它，但“树杂质”也确实存在。

Gwendal，我已尝试将auc度量更改为log loss和其他度量。叶节点-中的值相等。我试图学习文档，但没有发现如何理解——在树的末尾预测了什么类，或者预测了什么概率？将非常感谢您的帮助。每个结束页都是初始总体的一部分，分配给单个结果。此字段匹配所有分支拆分，意味着再次匹配这些拆分的每个新数据将获得相同的值。这是一个很好的例子，每个端点节点，叶，都包含一个类属性，这是分配给resultGwendal的填充，谢谢。我对你的理解是对的，每片叶子都是整个种群的一部分。这意味着summa中的所有叶值都将给出-1？在注释中链接的图表中，每个叶中都有预测类。如何将预测类添加到每个叶中？在我的图片示例中。所有叶片样本等于第一个叶片样本。关于您的值，因为您的度量是AUC。我猜这是叶群的AUC，也就是给定样本的模型性能。与预测值无关：）。需要在文档中检查。我想我对树表示的理解到此为止。我可能给了错误的见解：对不起，亚历克斯