标签： machine-learning logistic-regression xgboost
因此，在推导xgboost中的第一棵树时，我们需要知道一阶和二阶梯度p-y和p（1-p）以计算叶子权重和整体树分数。但是，由于我们还没有任何树，因此如何为每个样本获取p？
这是base_score还是先前的？
是否有数学推论证明最佳的这种值是多少？特别是当我们考虑对分类进行回归时。
是否可以为总体的所有样本指定先验概率数组？这不是所有样本的默认值0.5-而是基于某些先验分布吗？
谢谢