我正在尝试了解Scikit-Learn的Gradient Boosting回归算法。我遵循他们的源代码，并基于所选择的损失函数很好地理解他们的树的迭代构造。我无法找到答案的是，当我调用 predict() 时，他们如何取得所有潜在估算师的标签平均值。
我跟着这个函数调用this line。在这里， scale 包含 learning_rate ，如果未提供，则默认为0.1。所以，如果我要使用500棵树，我不明白为什么它们会将给定样本的500个不同标签中的每一个乘以0.1。
如果有人可以指导我发表一篇深入解释这一问题的论文，我们将不胜感激。