解释 xgboost 模型树图像叶子 = -0.1答案

【问题标题】：Interpret xgboost model tree image leaf = -0.1解释 xgboost 模型树图像叶子 = -0.1
【发布时间】：2017-11-13 04:34:52
【问题描述】：

我正在尝试使用 python plot_tree 方法可视化我的 xgboost 模型。前几棵树的图片显示叶子 = -0.1，而其他一些看起来还不错。我如何解释这个？这是否意味着我使用了比需要更多的树？

【问题讨论】：

【解决方案1】：

对于有 2 个类别 {0,1} 的分类树，叶子节点的值代表类别 1 的原始分数。可以使用逻辑函数将其转换为概率分数：

1/(1+np.exp(-1*-0.1))=0.47502081252106

这意味着如果一个数据点最终被分配到这个叶子，那么这个数据点属于 1 类的概率是 0.47502081252106。

【讨论】：

感谢您的回答。然而，我发现奇怪的是，那些树没有分裂点，也没有其他叶子，只有这棵。这是否意味着每个数据点默认为 1 类的概率为 0.47502081252106？
取决于叶子的值。在您给出的示例中，叶值为 -0.1，这意味着该节点为 1 的概率为 0.475。如果叶子值不同，可以使用上面的逻辑函数计算概率。