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？