aşağıdaki xgboost modeli ağaç diyagramı araçlarında 'yaprak' değerini ne yapar?

Question

Yukarıdaki (ağaç dalı) koşulunun mevcut olması koşuluyla koşullu olasılık olduğunu tahmin ediyorum. Bununla birlikte, ben açık değilim.

kullandığınız verileri hakkında daha fazla okumak istediğiniz ya da biz bu diyagram nasıl elde edersiniz sonra giderseniz: leaf tahmin değeridir http://machinelearningmastery.com/visualize-gradient-boosting-decision-trees-xgboost-python/

Answer 1

Özelliği. Bir ağaç modeli değerlendirilmesi (yaprak düğümü olarak da bilinir), bu terminal düğümünde sona Diğer bir deyişle, bu döndürülen değerdir. pseudocode

(ağacınızı modelinin en soldaki dalı):

if(f1 < 127.5){ 
    if(f7 < 28.5){ 
    if(f5 < 45.4){ 
     return 0.167528f; 
    } else { 
     return 0.05f; 
    } 
    } 
} 

Answer 2

Haklısın. Yaprak düğümleri ile ilişkili bu olasılık değerleri, ağacın belirli bir dalı verilen yaprak düğümlerine ulaşma koşullu olasılığını temsil etmektedir. Ağaçların dalları bir dizi kural olarak sunulabilir. Örneğin, @ user1808924 onun answer bahsedilen; Ağaç modelinizin en sol dalını temsil eden bir kural.

yüzden, kısacası ağacı sonuç yaprak düğümün içeriği olan karar kuralları, içine doğrusallaştırılmıştır, ve yol boyunca koşullar ise madde bir bağlaç oluştururlar.

if condition1 and condition2 and condition3 then outcome. 

Karar kuralları sağda hedef değişkeni ile dernek kurallarını oluşturarak oluşturulabilir: Genel olarak, kurallar formu var. Onlar da temporal veya causal ilişkileri ifade edebilir.