在下面的xgboost模型樹圖中，'leaf'的值是什麼意思？

Question

我猜測它是條件概率給定的上述（樹分支）條件存在。但是，我不清楚它。

如果您想了解更多有關數據使用，或我們如何得到這個圖，然後去：http://machinelearningmastery.com/visualize-gradient-boosting-decision-trees-xgboost-python/

Answer 1

屬性leaf是預測值。換句話說，如果樹模型的評估在該終端節點（aka葉節點）處結束，則這是返回的值。

僞代碼（你的樹模型的最左邊的分支）：

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

Answer 2

你是正確的。與葉節點相關的那些概率值表示給定樹的特定分支的達到葉節點的條件概率。樹的分支可以作爲一組規則來呈現。例如，他的answer中提到的@ user1808924;一個表示樹模型最左邊分支的規則。

因此，簡而言之：樹可以線性化爲決策規則，其中結果是葉節點的內容，沿路徑的條件在if子句中形成連接。一般而言，規則的形式如下：

if condition1 and condition2 and condition3 then outcome. 

可以通過在右側的目標變量上構建關聯規則來生成決策規則。它們也可以表示temporal或causal的關係。