Machine learning XGBoost第一棵树的梯度和叶分数

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