R中的GBM丢失节点

我正在玩R中的GBM包：

library(gbm) 
gbmfit <- gbm( UVIndex ~ UVI + UVA + VIS + UVIVIS + UVIUVA + CosSZA +   ShadeTemp, data = df, distribution = "gaussian", n.trees = 1000, shrinkage = 0.1, cv.folds = 10)
pred <- predict(gbmfit, data = df , n.trees = 1)
pretty.gbm.tree(gbmfit,i.tree = 1)

当我观察pred与UVI的散点图时，我确实看到了大约380的分裂，两个终端值分别为2.717099和3.029333。 （1） 如何使这些终端值与树的参数相一致？我应该能够从SplitCodePred派生它们，但我看不到它们之间的联系 （2） 即使我的数据没有丢失值，丢失节点是否正常？ （3） 我对权重（“该节点中的观察总数”）感到困惑。为什么节点3的权重为214，尽管没有丢失数据

非常感谢

罗兰

2）是的，即使数据没有任何缺失值，丢失节点也是正常的。缺失节点的值将是其他节点值的加权平均值

例如，如果没有缺失数据或缺失值，深度为1的树<缺失节点的最小obs值将是左右节点值的加权平均值

3） 在这种情况下，缺失节点的权重（数据中没有缺失值）将是父节点的权重

2）是的，即使数据没有任何缺失值，缺失节点也是正常的。缺失节点的值将是其他节点值的加权平均值

例如，如果没有缺失数据或缺失值，深度为1的树<缺失节点的最小obs值将是左右节点值的加权平均值

---

3） 在这种情况下，缺失节点的权重（数据中没有缺失值）将是父节点的权重

，以便我们理解您的要求（我认为这实际上不是编码问题，而是一个方法问题），您需要发布代码和数据；两个都看不见我知道了。。我缺少存储在gbmfit$initF中的常量。。我仍然对（2）和（3）感到困惑，为了让我们理解您的问题（我认为这实际上不是一个编码问题，而是一个方法论问题），您需要发布代码和数据；两个都看不见我知道了。。我缺少存储在gbmfit$initF中的常量。。我仍然对（2）和（3）感到困惑

  SplitVar SplitCodePred LeftNode RightNode MissingNode ErrorReduction Weight
  0        0  380.50000000        1         2           3       471.9606    214
  1       -1   -0.11805471       -1        -1          -1         0.0000    140
  2       -1    0.19417906       -1        -1          -1         0.0000     74
  3       -1   -0.01008602       -1        -1          -1         0.0000    214

   Prediction
 0 -0.01008602
 1 -0.11805471
 2  0.19417906
 3 -0.01008602