关于R中的rpart和gbm的一些问题

Question

我正在尝试使用rpart和gbm软件包对索赔频率进行建模。我对这些软件包有一些疑问。

1. 在rpart模型中，收缩参数的目的/功能是什么？

2. 在gbm模型中，我使用的权重正确吗？我得到一个输出（没有错误），但是我只是想确保我理解它是正确的。

3. 在gbm模型中，我知道参数n.minobsinnode可以说每个节点至少应有10个观测值。但是，有没有办法说每个节点至少应有1个主张？我不希望有一个模型可以为某些观察预测索赔频率为0。

4. 在RandomForest中，每个拆分均从n个变量中随机选择d个变量。但是在gbm模型中，每次拆分都会考虑所有n个变量吗？

5. 在基于树的模型中，是否可以抵消一个变量（例如自付额）？

   回归树

   Model_tree <- rpart(cbind(duration, nclaims) ~ Var_1 + … + Var_n , 
                       data = data , 
                       method = "poisson",
                       parms = list(shrink = 1),control=rpart.control(minbucket = 10, cp = 0.00005 , maxdepth = 5))
   
   # Gradient Boosting Model       
   Model_gbm <- gbm(nclaims ~ Var_1 + … + Var_n,
                    data = data,
                    weights = duration,
                    distribution = "poisson",
                    cv.folds = 0,
                    shrinkage = 0.01,
                    interaction.depth = 5,
                    n.trees = 5000,
                    n.minobsinnode = 10,
                    bag.fraction = 1, 
                    train.fraction = 1)
   
   # Predict with a gbm
   predict.gbm(object = Model_gbm, n.trees = 1000, newdata = testdata, type = "response")