Question

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)

给了我：

  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

当我看到pred与UVI的散点图时，我确实看到了大约380的分裂，其中两个终值为2.717099和3.029333。（1）如何将这些终端值与树的参数进行协调？我应该可以从SplitCodePred派生出来，但我没有看到连接（2）即使我的数据没有缺失值，节点是否正常也是正常的？（3）我对权重感到困惑（＆＃34;该节点中的观察总数＆＃34;）。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

Answer 1

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的值的加权平均值

在没有丢失数据或缺少值的情况下深度为1的树的示例＆lt;缺失节点的最小障碍值将是左右节点值的加权平均值

3）在这种情况下丢失节点的权重（数据中没有缺失值）将是父节点的权重

R中的GBM MissingNode

1 个答案: