Machine learning XGBoost第一棵树的梯度和叶分数_Machine Learning_Logistic Regression_Xgboost

Machine learning XGBoost第一棵树的梯度和叶分数

machine-learning

Machine learning XGBoost第一棵树的梯度和叶分数,machine-learning,logistic-regression,xgboost,Machine Learning,Logistic Regression,Xgboost,因此，在导出xgboost中的第一棵树时，我们需要知道一阶和二阶梯度p-y和p（1-p），以计算叶权重和总体树得分。但既然我们还没有树，我们如何得到每个样本的p呢这是基础分数还是之前的分数有没有一个数学推导证明什么是最好的这样的值？特别是当我们考虑回归分类时，是否有任何选项为总体的所有样本指定先验概率数组？这不是所有样本的默认值0.5，而是基于一些先前的分布谢谢

因此，在导出xgboost中的第一棵树时，我们需要知道一阶和二阶梯度p-y和p（1-p），以计算叶权重和总体树得分。但既然我们还没有树，我们如何得到每个样本的p呢

这是基础分数还是之前的分数

有没有一个数学推导证明什么是最好的这样的值？特别是当我们考虑回归分类时，

是否有任何选项为总体的所有样本指定先验概率数组？这不是所有样本的默认值0.5，而是基于一些先前的分布

谢谢