GBDT叶节点的值是多少

GBDT是用最小二乘去拟合负梯度，本身叶节点的预测值就是叶节点样本的mean，但是gbdt还有一步确定最优步长，2.3用line search确定最优步长，所以GBM的子学习器是cart树的话，

可以合并步长ρ和cart子学习器h(x;w)，也就是可以用损失函数推导出叶节点最优参数值。

上式γ_jm是第m棵树，第j个叶子节点的值，一共J个叶子节点，R_jm就是叶子节点集合。

求解方法可以是对γ求导等于0，解出γ的值，之前一个步长ρ实际上变成了J个ρ，J是叶子节点数

其中b_jm就是叶节点平均

特殊地，当损失函数是square error的时候，最佳叶节点参数（合并了步长）正好是b_jm，而其他常用损失函数最佳叶子节点参数列举如下：

01-logloss，最佳叶节点参数：

LAD least absolute deviation，绝对误差