Python 如何解释xgboost树中的叶索引
安装后我得到了一个xgboost型号。 然后我使用model.apply()和一些测试数据来获取叶索引: 测试数据0:树0的叶指数(如23),树1的指数(如17) 测试数据1:树0的叶指数(如16),树1的指数(如22)。。。。。 ... 我还使用xgboost.plot_tree来显示树0。如果树的最大深度=4,则有31个节点 用决策树0手工计算测试数据0,得到叶片位置 似乎很难将“该叶子的位置”与“以前的叶子索引”(如23)联系起来 仅网站中的说明-: 对于x中的每个数据点x和每个树,返回以中结尾的叶x的索引。叶的编号在[0;2**(self.max_depth+1)]范围内,可能在编号中有间隙Python 如何解释xgboost树中的叶索引,python,machine-learning,decision-tree,xgboost,Python,Machine Learning,Decision Tree,Xgboost,安装后我得到了一个xgboost型号。 然后我使用model.apply()和一些测试数据来获取叶索引: 测试数据0:树0的叶指数(如23),树1的指数(如17) 测试数据1:树0的叶指数(如16),树1的指数(如22)。。。。。 ... 我还使用xgboost.plot_tree来显示树0。如果树的最大深度=4,则有31个节点 用决策树0手工计算测试数据0,得到叶片位置 似乎很难将“该叶子的位置”与“以前的叶子索引”(如23)联系起来 仅网站中的说明-: 对于x中的每个数据点x和每个树,
如何解读xgboost tree中的叶子索引?@CyberPlayerne您找到解决方案了吗?如果找到,请与我分享?