GBM的n.minobsinnode参数在R中的作用

我想知道GBM软件包中n.minobsinnode参数的含义。我阅读了手册，但不清楚它的作用。该数字应该小还是大以改善结果？

在GBM算法的每个步骤中，都会构造一个新的决策树。增长决策树时的问题是“何时停止？”。您可以做的最远的就是拆分每个节点，直到每个终端节点只有1个观测值。这将对应于n.minobsinnode = 1。或者，当每个节点中有一定数量的观测值时，节点的拆分可以停止。R GBM软件包的默认值为10。

最佳使用价值是什么？这取决于数据集以及是否要进行分类或回归。由于将每个树的预测作为终端节点中所有输入的因变量的平均值，因此值1对于回归（！）可能效果不佳，但可能适合分类。

较高的值表示较小的树，因此可以使算法运行更快并使用较少的内存。

通常，结果对该参数不是很敏感，并且鉴于GBM性能的随机性，实际上可能很难确定确切的值是“最佳”。一般而言，交互深度，收缩率和树木数量都将更为重要。