Was bedeutet der Wert von "Blatt" im folgenden xgboost-Modellbaumdiagramm?

Question

Ich rate, dass es bedingte Wahrscheinlichkeit ist, da die obige (Baumzweig) Bedingung existiert. Ich bin jedoch nicht klar darin.

Wenn Sie mehr über die verwendeten Daten lesen oder, wie wir dieses Diagramm erhalten dann gehen Sie zu: http://machinelearningmastery.com/visualize-gradient-boosting-decision-trees-xgboost-python/

Answer 1

Attribut leaf der Wert vorhergesagt ist. Mit anderen Worten, wenn die Bewertung eines Baummodells an diesem Endknoten (aka Blattknoten) endet, ist dies der Wert, der zurückgegeben wird.

In Pseudo-Code (der am weitesten links stehenden Zweig der Baummodell):

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

Answer 2

Sie sind richtig. Diese Wahrscheinlichkeitswerte, die Blattknoten zugeordnet sind, stellen die bedingte Wahrscheinlichkeit dar, Blattknoten zu erreichen, die einem bestimmten Zweig des Baums zugeordnet sind. Zweige von Bäumen können als eine Reihe von Regeln dargestellt werden. Zum Beispiel, @ user1808924 erwähnt in seiner answer; eine Regel, die den äußersten linken Zweig Ihres Baummodells darstellt.

Kurz gesagt: Der Baum kann in Entscheidungsregeln linearisiert werden, wobei das Ergebnis der Inhalt des Blattknotens ist und die Bedingungen auf dem Pfad eine Konjunktion in der if-Klausel bilden. Im Allgemeinen haben die Regeln folgende Form:

Entscheidungsregeln können generiert werden, indem Assoziationsregeln mit der Zielvariablen auf der rechten Seite erstellt werden. Sie können auch temporal oder causal Relationen bezeichnen.