参考:
- 陈天奇-"XGBoost: A Scalable Tree Boosting System" Paper地址: <https://arxiv.org/abs/1603.02754
- 文哲大佬全程手推
兄弟们,
再来手撸一波XGBoost, 这上半月目标算达成了.
感觉比上次撸 SVM 还是要难一些的. 但必须手撸, 因为, 近两年, 我已认识到, 很多梦魇, 只有从源头上彻底消灭后, 便不会时常萦绕心灵...
一边看原paper 和贪心地搬运大佬的知识,化为己有, 其乐无穷.
1. 目标函数
结合上篇的 XGBoost 的引入, 知道了该算法是 基于残差 来训练的, 也就是说, 最后的结果是要将前面的预测值都累加起来, 这点非常关键哦.
1.1 使用多棵树来预测
假设已经训练好了 K 棵树, 则对 第 i 个样本 的 最终预测值为:
\(\hat y = \sum \limits _{k}^K f_k(x_i)\)
其中\(f_k\) 指的是第k 棵树的模型
xi 表示第 i 个样本
1.2 目标函数抽象
\(Obj = \sum \limits_{i=1}^n l(y_i, \hat y_i) + \sum \limits_{k=1}^K \Omega(f_k)\)
n 表示 n个训练样本, l 表示损失 loss
\(l(y_i, \hat y_i)\) 表示 真实值 与 预测值 之前的 损失
损失: 对于回归问题,可以用 MSE, 对于分类问题可以用 交叉熵, 很灵活的哦,对于损失
$ \sum \limits_{k=1}^K \Omega(f_k)$ 整个是一个 正则化项, 用来控制 树的复杂程度
具体 \(\Omega\) 是如何来量化一棵树的复杂度, 先不做展开, 假设存在哈
现在,需要关注的是, 我在构造, 当前第k棵树的时候, 我的目标函数是怎样的, 然而到此为止只是泛泛地定义了一个问题, 甚至关键部分的定义都还是模糊的, 更别谈去参数化了.
1.3 树的复杂度
可以用如下的几个指标来衡量
- 叶节点的个数
- 树的深度
- 叶节点的值
控制叶节点的值, 不能太大, 是因为最后是要做 累加的, 太大就导致后面没有发挥的余地了, 也就是说, 造成了单棵树的作用变得很打, 这样..牛逼的人是不允许存在的.
1.4 累加树的训练
是基于残差的训练嘛, 因此咱可考虑用数学归纳法.
假设我们已经训练 k-1 棵树, 即: 1, 2, 3, 4, ....k-1, 则下一棵树 k 是多少呢? 也就是说在训练每棵树的时候, 都需要一个目标函数.
假设我们已经知道 前 k 棵树的预测值, 记为 \(\hat y_i\), 每棵树记为 \(f_i, \ 其中 i=0, 1, 2...k\)
对于给定一个 \(x_i\),
\(\hat y_i^{(0)} = 0\)
\(\hat y_i^{(1)} = f_1(x_i) = \hat y_i^{(0)} + f_1(x_i)\)
\(f_1(x_i)\) 表示第1棵树的预测值, \(y_i^{(1)}\) 表示要"叠加", 在第1棵树的预测值和第0棵树的预测值
\(\hat y_i^{(2)} = 0 + f_1(x_i) + f_2(x_i) = \hat y_i^{(1)} + f_2(x_i)\)
同样, \(y_2^{(2)}\)结果, 包含第0,1,2棵树的预测
\(\hat y_i^{(3)} = f_1(x_i) + f_2(x_i) + f_3(x_i) = \hat y_i^{(2)} + f_3(x_i)\)
\(\hat y_i^{(4)} = f_1(x_i) + f_2(x_i) + f_3(x_i) + f_4(x_i) = \hat y_i^{(3)} + f_4(x_i)\)
....
\(\hat y_i^{(k)} = f_1(x_i) + f_2(x_i) + ... f_{k-1}(x_i) + f_k(x_i) = \hat y_i^{(k-1)} + f_k(x_i)\)
$ = \sum \limits _{i=1}^k f_i(x_i) = y_i^{(k-1)} + f_k(x_i)$
即在有 k 棵树的情况下, 此时最终的预测值为: \(y_i^{(k-1)} + f_k(x_i)\) => 前 k-1 棵树的预测值之和+第k棵树的预测值
tip: XGBoost 是基于残差的训练哦, 因此是需要叠加的哦
于是, 回顾一波目标函数:
\(Obj = \sum \limits_{i=1}^n l(y_i, \hat y_i) + \sum \limits_{k=1}^K \Omega(f_k)\)
首先来定义第一项, 即损失函数部分, 并将刚推导的 k-1 的思想来代入得:
\(loss = \sum \limits _{i=1}^n l(y_i, y_i^{(k-1)} + f_k(x_i))\)
同样, 对于第二项, 正则化 的部分, 也拆解为这种 k-1 与 k 的写法:
\(re = \sum \limits _{k=1}^{(K-1)} \Omega (f_{k}) + \Omega (f_k)\)
tips: 大 K 是常量, 小k 是变量, 表示当前第k棵树, 千万别混淆了.
这样一来, 此时的目标函数就变成了:
\(\sum \limits _{i=1}^n l(y_i, \hat y_i^{(k-1)}+ f_k(x_i) + \sum \limits_{k=1}^{(K-1)} \Omega(f_k) + \Omega(f_k)\)
此时我们的假设是, 前 k-1 棵树是已知的, 于是再做进一步简化:
- \(\hat y_i^{(k-1)}\) 虽然是已知的, 却不可以省略, 因为它是 loss 函数的参数
- 而 $ \sum \limits _{k=1}^{(K-1)} \Omega (f_k)$ 虽然是已知的, 但它是独立项常数, 跟参数优化没有关系, 故可省略
则, 第 k 棵 树的目标函数:
\(\sum \limits _{i=1}^n l(y_i, \hat y_i^{(k-1)}+f_k(x_i)) + \Omega(f_k)\)
因此, 优化的目标, 就是参数化 \(f_k(x_i)\) 和 \(\Omega (f_k)\) 使其 最小化
这里发现, 其实说到底, 还是要来整 \(f_K(x_i)\) 但其形式都是未知的, 更别说是优化了, 就有尴尬了, 怎么办呢, 不知道如描述一个函数, 可以用 其他函数去近似嘛, 函数近似?, 这不立马回想到 大一的高数课, "泰勒级数展开...
2. 用泰勒级数去近似目标函数
百度百科: 在数学中，泰勒级数（英语：Taylor series）用无限项连加式——级数来表示一个函数，这些相加的项由函数在某一点的导数求得。泰勒级数是以于1715年发表了泰勒公式的英国数学家布鲁克·泰勒（Sir * Taylor）的名字来命名的。通过函数在自变量零点的导数求得的泰勒级数又叫做迈克劳林级数，以苏格兰数学家科林·麦克劳林的名字命名。 泰勒级数在近似计算中有重要作用。
定义:
如果 \(f(x) 在\) \(x = x_0\) 处具有任意阶导数, 则幂级数
\(\sum \limits _{n=0}^n \frac{f^{n} (x_0)} {n!} (x-x_0) = f(x_0) + f'(x_0)(x-x_0) + \frac{f''(x_0)}{2} (x-x_0)^2 ...\)
称为 f(x) 在 \(x_0\) 处的泰勒级数. 在 \(x_0\) = 0 得到的级数,也称为 麦克劳林级数..
通俗点就是, 对于连续可导的函数 f(x), 具体形式不明确,
但是,
有要求 f(x) 在某点 \(x_0\) 的近似值
因此
可以在该点做一个幂级数展开, 一般展开到2阶就很精确了, 继续展开, 就越逼近呀.
在本例就是(就只写到2阶, 方便推导):
$f(x+ \triangle x) \simeq = f(x) + f'(x)\triangle x) + \frac {1}{2} f''(x)\triangle x^2 $
于是, 此时的问题变成了如何去定义 \(f(x) \ 和 \triangle x\) 依葫芦画瓢, 来整之前的这个:
\(\sum \limits _{i=1}^n l(y_i, \hat y_i^{(k-1)}+f_k(x_i)) + \Omega(f_k)\)
假设:
\(f(x) = l(y_i, \hat y_i^{(k-1)})\) , 如果将 \(f_k(x_i)\) 看作是 \(\triangle x\)
为啥可以看作 微小增量? 从理论上可有 无限棵树, 那么每一棵树, 不就是 \(\triangle x = dx\) 了呀
则: \(f(x + \triangle x) = l(y_i + f_k(x_i))\)
于是, 将 当前的目标函数代入到 泰勒展开式即:
\(\sum \limits _{i=1}^n l(y_i, \hat y_i^{(k-1)}+f_k(x_i)) + \Omega(f_k)\)
将 \(\hat y_i^{(k-1)}\) 看作 x; 将 \(y_i^{(k-1)} + f_k(x_i)\) 看作 \(\triangle x\) 套公式展开, 兄嘚, 这里千万要稳住!
\(= [\sum \limits _{i=1}^n l(y_i, \hat y_i^{(k-1)}) + \partial _{\hat y_i^{(k-1)}} l(y_i, \hat y_i^{(k-1)}) * f_k(x_i) + 0.5 \partial ^2 _{\hat y_i^{(k-1)}} l(y_i, \hat y_i^{(k-1)})* f_k^2(x_i)] + \Omega(f_k)\)
todo: 这里所有的 k 是大写, 当不是变量的时候, 只是说明下, 懒得改了
注意因为 假设的前提是关于 k-1项的部分 ,其实我们是已知的, 为了简写, 用两个关于i 的变量代替即可
\(=\sum \limits _{i=1}^n g_i f_k(x_i) + 0.5h_i f_k^2(x_i)] + \Omega(f_k)\)
注意这里引入了 \(g_i, \ h_i\) 因为是已知项嘛, 引入个记号简化而已, 不然表达式老长了
重要结论, 再写一遍!
目标函数为: \(\sum \limits _{i=1}^n g_i f_k(x_i) + \frac{1}{2} h_i f_k ^2(x_i) + \Omega(f_k)\)
3. 如何定义一棵树
目标函数已经化简差不多了, 现在就开始整, 如何定义 \(f_k(x_i)\) 对树的参数化, 包含3个方面:
- 样本的位置
- 样本的值
- 树的复杂度
我们知道, 诸如决策树, 回归树... 这些树结构, 都是二叉树的形式, 这里也一样. 每一个样本的输入训练后, 输出的值就分布在该树的某一个叶节点上(终端节点).
因为所所有假设的前提是 在训练第 K棵树的时, (K-1) 棵树的形状是已知的
3.1 样本的在树中的位置
(主观) 假设, 以树的节点, 从左到右依次编号作为树的叶节点的唯一编号, 则对于样本 \(x_i\) 在树中的位置可表示为(定义一个函数来整)
\(q(x_i)\) : 表示样本的位置. 参数为某个样本
\(q(x_1) = 1\): 表示 \(x_1\) 这个样本在树中的叶节点编号(id) 是1 (或树的第一个节点)
\(q(x_2) = 3\): 表示 \(x_2\) 这个样本在树中的叶节点编号(id) 是3
\(q(x_3) = 3\): 表示 \(x_3\) 这个样本在树中的叶节边编号(id) 是3
... 每个样本的位置就搞定了
tips:
一棵树的每个叶节点的的编号(id) 是惟一的
样本id 和叶节点编号(id) 是 n:1 的关系.
如上 \(q(x_2) = q(x_3) = 3\) 表示, 样本2, 样本3 都分布在树的 3号叶节点上.
3.2 参数化一棵树 \(f_k(x_i)\)
位置都确定了, 则值不就是该节点的权重参数嘛
\(f_k(x_i) = w_{q(x_i)}\)
声明: 此处 w 表示 xi 这个样本所在树的 位置处 \(q(x_i)\)的 预测值 (实数)
于是在 k 这棵树下, 对于每个样本点:
\(f_k(x_1) = w_{q(x_1)} = 123\),
表示: 在第k棵树中, 输入样本 \(x_1\), 其在树的位置是 \(q_(x_1)\), 预测输出的值是 \(w_1\) 即123
\(f_k(x_2) = w_{q_(x_2)} = 456\)
\(f_k(x_3) = w_{q(x_3)} = 456\)
....
这样对所有的样本 \(x_n\) 的预测结果,不都可以在这 第 k 棵树中表示出来了呀
然后再定义一个集合函数, 用来表示样本和叶子节点编号的 n:1 关系
\(I_j = \{ i|g(x_i) = j \}\)
j 表示树的叶节点编号, i 表示样本编号
表示在树的叶子节点 j 上 的 样本id 的集合
"如上面的 \(q(x_2) = q(x_3) = 3\) 表示, 样本2, 样本3 都分布在树的 3号叶节点上"
则可表示为: \(I_3 = \{ 2, 3\}\)
3.3 如何参数化树的复杂度
重要结论再写一遍(目标函数):
\(\sum \limits [_{i=1}^n g_i f_k(x_i) + 0.5f_k ^2{x_i}] + \Omega (f_k)\)
关于loss 部分, 关键的 \(f_k(x_i) = w_ig(x_i)\) 已经搞定了, 现在就只剩下 后面的 树的复杂度. 因为树的复杂度如果非常高, 则越容易过拟合; 如果值很大则容易, 则太牛逼,不合适"集成", 不能搞个人崇拜嘛.
节点的个数, 不要太多
叶节点的值不大, 尽量小
\(\Omega (f_k) = T + \sum \limits _{j=1}^T w_j^2\)
T 表示树的 节点个数
后面的正则项 是对节点值 w 的约束(二范数, 或者 L2 的 正则)
然后为了更好控制这个约束, 再引入两个 超参数 来约束
\(\Omega (f_k) = \gamma T + 0.5 \lambda \sum \limits _{j=1}^Tw_j^2\)
4. 转为以节点为对象的目标树
回归一波推导的历史.
首先, 抽象概念定义出:
\(Obj = \sum \limits_{i=1}^n l(y_i, \hat y_i) + \sum \limits_{k=1}^K \Omega(f_k)\)
然后基于假设 k-1 已知下推出:
\(\sum \limits _{i=1}^n l(y_i, \hat y_i^{(k-1)}+ f_k(x_i) + \sum \limits_{k=1}^{(K-1)} \Omega(f_k) + \Omega(f_k)\)
然后用泰勒级数近似
\(\sum \limits _{i=1}^n g_i f_k(x_i) + \frac{1}{2} h_i f_k ^2(x_i) + \Omega(f_k)\)
最后再参数化树及其复杂度
\([\sum \limits _{i=1}^n g_i w_{q(x_i)} +0.5h_iw^2 _{q(x_i)}] + \gamma T + 0.5 \lambda \sum \limits_{j=1}^Tw_j^2\)
可以发现,
$\sum \limits {i=1}^n g_i w{q(x_i)} $
是按照样本来循环的, 是要先找到样本在树中的位置 \(q(x_i)\) , 然后再去其上的权重 \(w_i\) 之前也说了, 样本与w 是一个多对一的关系.
现在呢, 考虑另一种遍历, 按遍历节点,然后取出该节点的样本ID集合, 也就是前面定义的 \(I_j = \{i|g(x_i) = j\}\)
于是, 按照节点来遍历即可改写为:
\(\sum \limits _{j=1}^T [(\sum \limits _{i \in I_j}g_i)w_j + 0.5(\sum \limits _{i \in I_j}h_i) + \lambda) w_j^2] + \gamma T\)
为啥要转为以节点的方式?
a. 因\(q(x_i)\) 本地就只是表示下标而已, 下标带有函数,就没法处理了呀
b. 转换后发现是关于 \(w_j\) 的一个二次方函数, 形如 "\(ax^ + bx + c\)"
c. 树已知下, \(h_i, \ g_i\) 都是已知的(k-1) 相关嘛
展开一波就明白为啥能这样了
样本方式: \(g_1w_{q(x_1)} + g_1w_{q(x_2)} +g_1w_{q(x_3)}\) 等价于节点方式
\(= g_1 w_1 + g_2w_3 + g_3w_1\)
= \((g_1 +g_3) w_1 + g_2w_3\)
\(=\sum \limits _{j=1}^3 (\sum \limits _{i \in I_j}g_i w_3)\)
就只是一个简单的转换而已
目的是最小化:
\(\sum \limits _{j=1}^T [(\sum \limits _{i \in I_j}g_i)w_j + 0.5(\sum \limits _{i \in I_j}h_i) + \lambda) w_j^2] + \gamma T\)
而 \((\sum \limits _{i \in I_j}g_i)\) 是常量, 简记为 \(G_j\) , 同时\(0.5 \sum \limits _{i \in I_j} h_i\) 也是常量, 简记为 \(H_j\) (因为 k-1 棵树已知嘛)
这样一写出来, 大家都就豁然开朗了
\(\sum \limits _{j=1}^T[H_j w_j^2 + G_jw_j] + \gamma T\)
\(w_j\) 看作变量, 则就是 \(ax^2 + bx + c\) 的形式呀
即在 \(x = -\frac {b}{2a}\) 取得极值: \(\frac {\sqrt {b^2-4ac}}{4ac}\)
显然, 在 \(w* = -\frac {G_j}{H_i + \lambda}\) 处(代入) 取得最小值: $Obj = -\frac {1}{2} \sum \limits _{j=1}^T\frac {G_j^2}{H_j + \lambda} + \gamma T $
结论: 在已知一颗树的形状下, 直接可求解出, 每个叶节点的最优解, 以及这棵树的 目标函数值
so, 最后一步就是,如何来学习出一一棵新树的形状啦
是不是,
感觉
有点
像
在
递归地 倒推 哈哈哈
5. 如何训练一颗新树的形状
前面的一大通的推导, 就得出一个结论: 已知树的形状, 可直接求解其叶子节点的最优解和目标函数值
重要结论再写一遍:
\(\sum \limits _{j=1}^T[H_j w_j^2 + G_jw_j] + \gamma T\)
在叶节点为\(w* = -\frac {G_j}{H_i + \lambda}\) 取得目标函数最小值: $-\frac {1}{2} \sum \limits _{j=1}^T\frac {G_j^2}{H_j + \lambda} + \gamma T $
5.1 计算树的评估指标 (Score)
根据推论, 在已知一棵树的形状下, 可以直接求解出最优解. 即从理论上讲, 要训练新树, 枚举法, 直接训练出所有的树的形状 tree1, tree_2, tree_3...tree_n, 然后
\(min \ Obj (tree_1, tree_2...tree_n)\) 选择最小的即可.
但实际枚举上是不可能实现的, 于是, 我们可采用贪心算法的方式来寻找一个较好的树的形状.
过程:
假设输入有6个样本 (1,2,3,4,5,6)
选择一个特征作为树的分割条件, 假设分为了 左和右 两波
左: (1,4); 右 (2,3,5,6)
此时就构造好了一颗树, 而且经上面的推论, 还可求解出 目标函数值obj1
然后, 对于每个叶子节点, 又要考虑是否按某特征继续分裂
假设按某特征分裂后得到 obj2
if obj1 - obj2 的值非常大, 则有必要分裂.
然后再选择某个特征
...
收敛停止.
\(obj = -0.5 \sum \limits _{j=1}^T \frac {G_j^2}{H_j + \lambda} + \gamma T\)
对于某个节点的是否分裂, 就是看 分裂前后的 目标函数值相差 如果很大, 则有分的价值.
5.2 根据 目标值 构建一新树
还是按文哲老师一样, 以形象一点的案例来整
根节点 样本编号 {1,2,3,4,5,6}
按某个特征分割为
左节点 为 : {5,6}; 右节点为 {1,2,3,4}
现在呢, 假设是对 右节点进行考虑是否 按某个特征
继续分裂为 L, R 两个节点?
分裂前obj = \(-0.5 [\frac {(G_5 +G_6)^2}{H_5 + H_6 +\lambda} +\frac {(G_1 + G_2 + ..G_4)^2}{H_1 + ...H_4 + \lambda} ] + \gamma * 2\)
....特征分割.... 分割后的叶节点分别为 {5,6}, L, R
分裂后obj = \(-0.5 [\frac {(G_5 +G_6)^2}{H_5 + H_6 +\lambda} +\frac {(G_L)^2}{H_L + \lambda} + \frac {(G_R)^2}{H_R + \lambda} ] + \gamma * 3\)
可将分裂前而obj 也可以写为 L, R 的形式即:
分裂前obj = \(-0.5 [\frac {(G_5 +G_6)^2}{H_5 + H_6 +\lambda} +\frac {(G_L+ G_R)^2}{H_L+ H_R + \lambda} ] + \gamma * 2\)
为啥可以改写? 因为 L, R 两个节点是由 {1,2,3,4} 分裂出来的呀, 必然相等
我感觉这里, 特别像写梯度下降的代码 !
判断是否继续分裂, 其实即 |分裂前obj - 分解后obj | (相差) 很大则继续分裂呀
即: 此时的目标函数为:
前 - 后 = $ -0.5 [\frac{G_L^2}{H_L +\lambda} + \frac {G_R^2}{H_R + \lambda} - \frac {(G_L + G_R)^2}{H_L + H_R +\lambda}] -\gamma$
这个值有啥用呢, 作为是否分裂的条件呀
如果写代码实现, 这里可以传一个临界值参数, 继续分则遍历选择特征来继续分呀,
至于选择 哪个特征, 遍历呀, 评估就是 "前 - 后" 这个值
6. 总结XGBoost推导过程
总体上来认识 XGBoost, 是一种集成学习的 树结构算法. 是基于残差来训练的, 最终的预测值是每棵树的预测值的累加. 总体上跟决策树其实是有类似的, 用来做分类,回归均可, 网上一大把, 随便抄都是使用教程, 调参啥的. 主要回顾推导的思路.
总体推导,有点像 "递归或倒推"的感觉, 也是从概念到定义.
(1) 假设已经训练好了 K 棵树, 则对 第 i 个样本 的 最终预测值为:
\(\hat y = \sum \limits _{k}^K f_k(x_i)\)
(2) 抽象定义出 树的 损失 和 复杂度约束
\(Obj = \sum \limits_{i=1}^n l(y_i, \hat y_i) + \sum \limits_{k=1}^K \Omega(f_k)\)
(3) "叠加树思想, 引入全篇最重要假设: 假设要训练 第 k 棵树, 则对于 (k-1)棵树的形状是已知的.
\(\sum \limits _{i=1}^n l(y_i, \hat y_i^{(k-1)}+f_k(x_i)) + \Omega(f_k)\)
优化的目标, 就是参数化 \(f_k(x_i)\) 和 \(\Omega (f_k)\) 使其 最小化
(4) 用泰勒函数去对其二阶近似
\(\sum \limits _{i=1}^n g_i f_k(x_i) + \frac{1}{2} h_i f_k ^2(x_i) + \Omega(f_k)\)
其中 \(g_i, h_i\) 是关于 前 (k-1) 相关的已知量
(5) 定义一颗树的位置 和 值(权重)
\(f_k(x_i) = w_{q(x_i)}\)
(6) 定义集合函数, 用来表示样本和树的叶子节点编号的 n:1 关系
\(I_j = \{ i|g(x_i) = j \}\)
(7) 定义树的复杂度(节点个数 和 节点值大小约束), 并引入两个超参数
\(\Omega (f_k) = \gamma T + 0.5 \lambda \sum \limits _{j=1}^Tw_j^2\)
(8) 推导出较完整的目标函数 (树的定义, 和复杂度)
\([\sum \limits _{i=1}^n g_i w_{q(x_i)} +0.5h_iw^2 _{q(x_i)}] + \gamma T + 0.5 \lambda \sum \limits_{j=1}^Tw_j^2\)
(9) 最为关键一步: 根据 (8) 将树当前以 样本下标的形式 改为 以节点的方式 表示
原因在于
a. 样本的方式下, \(w_{q(x_i)}\) 一个变量的下标是函数, 这没法去处理
b. 改写后发现是关于 叶节点位置 \(w_j\) 的 二次函数 \(ax^2 + bx + c\)
\(\sum \limits _{j=1}^T [(\sum \limits _{i \in I_j}g_i)w_j + 0.5(\sum \limits _{i \in I_j}h_i) + \lambda) w_j^2] + \gamma T\)
(10) 得到全篇最重要的结论:
显然, 在 \(w* = -\frac {G_j}{H_i + \lambda}\) 处(代入) 取得最小值: $Obj = -\frac {1}{2} \sum \limits _{j=1}^T\frac {G_j^2}{H_j + \lambda} + \gamma T $
即: 在已知一颗树的形状下, 直接可求解出, 每个叶节点的最优解, 以及这棵树的 目标函数值
(11) 基于(10) 这个最重要结论, 采用 贪心算法, 训练一棵新的树
跟决策树其实类似的, 前者是以(特征) 最大熵 作为分割条件, XGBoost 是以 分裂节点前后的目标函数的差距 来作为是否分割的条件.
前-后= $ -0.5 [\frac{G_L^2}{H_L +\lambda} + \frac {G_R^2}{H_R + \lambda} - \frac {(G_L + G_R)^2}{H_L + H_R +\lambda}] -\gamma$
全篇推导的重点, 其实都是为了得出(10) , 而 最后训练新树, 则更适合用来代码来撸个直观.
代码实现, 有心情再用 Numpy 撸, 我还是想做一个自信的 C + V 调参侠.