这问题我刚上手XGBoost的时候也纠结过好久！核心原因是梯度计算的时机和树分裂的逻辑是完全分开的，咱们一步步理清楚：

1. XGBoost的迭代逻辑：先算梯度，再建树 #

XGBoost是梯度提升树，每一轮迭代对应一棵新的弱学习器（决策树）。每一轮的流程是这样的：

• 首先，基于当前所有已训练树的总预测值，计算整个数据集上的一阶梯度(g)和二阶梯度(h)——这一步就是调用你自定义目标函数的地方，而且每一轮只调用一次。
• 拿到所有样本的g和h之后，XGBoost会用这些预计算好的梯度来构建当前轮的决策树，整个树的分裂过程都不需要再调用目标函数。

2. 树分裂时用的是预存的梯度，不是重新计算 #

你可能误以为树分裂时需要重新算梯度，但其实不是的。XGBoost在分裂节点时，是用已经算好的g和h来计算分裂增益（就是那个用来判断节点该不该分裂的核心公式）：

增益 = (sum_g)^2/(sum_h + λ) - (sum_gL)^2/(sum_hL + λ) - (sum_gR)^2/(sum_hR + λ)

这里的sum_g、sum_h都是当前节点下所有样本的g/h之和，这些值都是从之前预计算的全局g/h里直接统计出来的，根本不需要再跑一次目标函数。

3. 对应你的观察：调用次数=树的数量 #

举个具体的例子：如果你设置n_estimators=5，那么XGBoost会执行5轮迭代：

• 第1轮：调用自定义目标函数算g/h → 用g/h建第1棵树（分裂节点时用预存的g/h）
• 第2轮：更新总预测值 → 调用自定义目标函数算新的g/h → 建第2棵树
• ...
• 第5轮：重复上述流程，建完第5棵树

所以你的打印结果显示目标函数被调用n_estimators次，完全是符合XGBoost的设计逻辑的。

简单总结：梯度是每轮迭代前全局计算一次，供整棵树的分裂使用，而不是每次分裂都重新计算——这也是XGBoost效率高的原因之一，避免了重复计算梯度的开销。

内容的提问来源于stack exchange，提问作者olivia