R中的GBM MissingNode答案

【问题标题】：GBM MissingNode in RR中的GBM MissingNode
【发布时间】：2016-02-24 23:16:54
【问题描述】：

我正在玩 R 中的 GBM 包：

library(gbm) 
gbmfit <- gbm( UVIndex ~ UVI + UVA + VIS + UVIVIS + UVIUVA + CosSZA +   ShadeTemp, data = df, distribution = "gaussian", n.trees = 1000, shrinkage = 0.1, cv.folds = 10)
pred <- predict(gbmfit, data = df , n.trees = 1)
pretty.gbm.tree(gbmfit,i.tree = 1)

给我：

  SplitVar SplitCodePred LeftNode RightNode MissingNode ErrorReduction Weight
  0        0  380.50000000        1         2           3       471.9606    214
  1       -1   -0.11805471       -1        -1          -1         0.0000    140
  2       -1    0.19417906       -1        -1          -1         0.0000     74
  3       -1   -0.01008602       -1        -1          -1         0.0000    214

   Prediction
 0 -0.01008602
 1 -0.11805471
 2  0.19417906
 3 -0.01008602

当我查看 pred 与 UVI 的散点图时，我确实看到了大约 380 的拆分，两个终端值为 2.717099 和 3.029333。 (1)如何将这些终端值与树的参数相协调？我应该能够从 SplitCodePred 派生它们，但我看不到连接 (2) 即使我的数据没有缺失值，缺失节点是否正常？（3）我对权重（“该节点中的观察总数”）感到困惑。为什么节点 3 的权重是 214，虽然没有丢失数据？

非常感谢，

罗兰

【问题讨论】：

为了让我们理解你在问什么（我认为这实际上不是一个编码问题，而是一个方法问题），你需要发布代码和数据；两者都看不到。
我明白了..我错过了存储在 gbmfit$initF 中的常量..我仍然对 (2) 和 (3) 感到困惑

标签： r gbm

【解决方案1】：

2) 是的，即使数据没有任何缺失值，缺失节点也是正常的。缺失节点的值将是其他节点值的加权平均值

在没有缺失数据或缺失值的情况下深度为 1 的树的示例

3）这种情况下缺失节点的权重（数据中没有缺失值）将是父节点的权重

【讨论】：