有关XGBoost的问题

Question

我正试图了解XGBoost算法，并对此有一些疑问。

我读过各种博客，但似乎都在讲述一个不同的故事。下面是我正在使用的代码的一个片段（仅供参考）。

param <- list(  objective           =  'reg:linear',
                eta                 = 0.01,
                max_depth           = 7,
                subsample           = 0.7,
                colsample_bytree    = 0.7,
                min_child_weight    =  5
)

下面是我有四个问题：

1）似乎XGBoost使用Gradient decent通过更改系数来最小化成本函数。我知道可以为使用线性回归的gblinear模型完成此操作。

但是，对于gbtree模型，由于基于树的模型中没有系数可以更改，因此XGboost如何应用像样的渐变。还是在那里？

2）同样，gbtree模型使用参数lambda进行L2正则化，使用alpha进行L1正则化。我知道正则化对系数施加了一些约束，但是gbtree模型仍然没有系数。那么如何在它上面施加约束呢？

3）目标函数的作用是什么。例如reg：线性。据我了解，分配目标函数只会告诉模型要使用哪个评估指标。但是，然后有一个单独的eval_metric参数。那么为什么我们需要目标函数呢？

4）简单地说，min_child_weight是什么？我以为这只是最低要求。叶节点中的观察结果。但是我认为这与粗麻布指标等有关，我不太了解。

因此，如果有人能够以简单易懂的方式进一步了解这些内容，我将不胜感激？