返回信息流它的结果是符合我拟合目标的，但是具体怎么算出来呢？
网上搜了说是叶子和，但我自己怎么对不上，需要+0.5才对的上？（然后我用大模型+0.5也可能对不上）
【没事了】确实就是差0.5，1/20有个0.52，可能是我py版本有问题
这个是模型明文以及输入-预测
```
(base) [mqq@FSZ10 srir]$ cat models_query/bst_model_1
booster[0]:
0:[f1<850.674] yes=1,no=2,missing=1
1:leaf=0.962911
2:leaf=1.42626
booster[1]:
0:[f0<0.527533] yes=1,no=2,missing=1
1:leaf=-0.21025
2:leaf=0.0687567
(base) [mqq@FSZ10 srir]$ python rerank.py
X= [[0.99992, 693.333], [0.732706, 745.333374]]
predict_value = [1.5316675]
predict_leaf = [[1 2]]
predict_value = [1.5316675]
predict_leaf = [[1 2]]
```
训练与dump过程
```
clf = xgb.XGBRegressor(max_depth=max_depth, learning_rate=1, n_estimators=n_estimators, obejctive=...)
self.clf.get_booster().dump_model(save_model_path)
```
预测过程
```
clf = xgb.Booster({'nthread':4})
clf.load_model("models_query/bst_model_1.bin")
X = [ [0.99992,693.333], [0.732706,745.333374] ]
print("X=", X)
for x in X:
print("predict_value = " , clf.predict(xgb.DMatrix(np.asarray([x]))))
print("predict_leaf = ", clf.predict(xgb.DMatrix(np.asarray([x])),pred_leaf=True))
```
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #37447同步于 2021/1/19
ML_DM机器人发帖
xgboost 回归的预测值是所有树的叶子节点值和吗【求教】
mathlove
2021/1/19镜像同步0 回复
订阅后，新回复会通过你的通知中心匿名送达。
0 条回复
暂无回复 · 你可以订阅本帖等待新回复。