在xgboost回归器中为决策树解释graphviz输出

Question

我是XGBoost的新手。因此，如果我的问题不值得尝试，请原谅。我试图了解XGBoostRegressor背后的工作逻辑和数学。

我有三个问题：

1. 如何选择最佳功能和分割？ （我知道Greedy方法，但我想了解加权分位数方法，以获取海量数据时的效率）

2. 在XGBoostRegressor中构造的决策树的叶节点中存在哪些值？

3. 如何计算最终预测值？ 是（目标列的平均值）+（树0的值）+（树1的值）+ .....等，还是其他？

我已经为回归问题训练了模型，但不幸的是，我无法弄清楚预测值与决策树中的叶节点值之间的关系。我已经打印了一个决策树，但是我不会得出结论。

我尝试阅读https://arxiv.org/abs/1603.02754上的研究论文，但是对于像我这样的初学者来说，理解起来太复杂了。

请帮助我！