CatBoost特征重要性手动计算与API结果不符，求排查错误

背景 #

我训练了一个仅含3棵树的简单二分类模型，希望验证特征重要性结果是否符合CatBoost文档中的PredictionValuesChange公式。训练后按照CatBoost JSON模型教程导出了树结构：

{
  "leaf_values": [
    -0.13915912880676032,
    0.1097787155963716
  ],
  "leaf_weights": [
    2143.0251545906067,
    2252.974784851074
  ],
  "splits": [
    {
      "border": 3.5,
      "float_feature_index": 13,
      "split_index": 0,
      "split_type": "FloatFeature"
    }
  ]
} 

模型中每棵树深度均为1，仅索引为1的树用到目标特征。我按照上述公式手动计算特征重要性，并与.get_feature_importance方法的结果对比，发现二者差异显著：

• API返回的特征重要性：28.2947825
• 手动计算值：68.06248029261762

以下是我用于特征重要性计算的代码：

tree_indx = 1
v_1 = model['oblivious_trees'][tree_indx]['leaf_values'][0]
v_2 = model['oblivious_trees'][tree_indx]['leaf_values'][1]

c_1 = model['oblivious_trees'][tree_indx]['leaf_weights'][0]
c_2 = model['oblivious_trees'][tree_indx]['leaf_weights'][1]

avr  = (v_1*c_1 + v_2*c_2)/(c_1+c_2)

fi  = ((v_1 - avr)**2)*c_1 + ((v_2 - avr)**2)*c_2
print(fi)

请问我哪里出错了？

内容的提问来源于stack exchange，提问作者Mageentta