R中的GBM MissingNode

Question

我正在使用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)

给了我：

  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%的分裂，两个终结值分别为2.717099和3.029333。(1)如何使这些终结值与树的参数一致？我应该能够从SplitCodePred中推导出它们，但是我看不到联系(2)即使我的数据没有缺失值，也有一个缺失的节点是正常的吗？(3)我与权重(“该节点中的观察总数”)混淆了。为什么Node 3的权重是214，尽管没有丢失数据？

非常感谢,

罗兰

Answer 1

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

例如，对于深度为1的树，如果没有丢失数据或缺失值< min obs，则丢失节点的值将是左侧和右侧节点值的加权平均值

3)本例中缺失节点的权重(数据中无缺失值)为父节点的权重