关于XGBoost中count:poisson参数计算逻辑与源码位置的问询

一、具体计算逻辑 #

• 核心定位：专为计数型数据（非负整数因变量）设计的泊松回归任务，模型输出直接对应泊松分布的均值$\lambda$。
• 损失函数：采用泊松对数似然损失，简化后的形式为：

  $L(y, \hat{y}) = \hat{y} - y \ln(\hat{y})$
  （注：原始损失包含$\ln(y!)$项，因与模型参数无关，计算时会被忽略）

• 输出约束：为保证均值$\lambda$非负，模型内部会对树的线性组合输出做指数变换，即$\hat{y} = \exp(f(x))$，其中$f(x)$是所有树预测值的累加结果。
• 方差适配：利用泊松分布「均值等于方差」的特性，XGBoost在训练时会自动适配这种方差结构，无需额外手动设置权重。

二、GitHub仓库中的源码位置 #

• 核心逻辑实现：src/objective/regression_obj.cc，这里包含了泊松回归的损失计算、一阶/二阶梯度推导代码。
• 目标函数声明：include/xgboost/objective.h，count:poisson作为回归类目标函数的一员在此声明。
• 辅助工具函数：src/common/objective_utils.h，部分与泊松回归相关的通用计算逻辑会放在这里。

内容的提问来源于stack exchange，提问作者Louloumonkey