在 GBM 算法的每一步，都会构建一个新的决策树。生长决策树时的问题是“何时停止？”。您可以走的最远的是拆分每个节点，直到每个终端节点中只有 1 个观察值。这将对应于 n.minobsinnode=1。或者，当每个节点中有一定数量的观察值时，节点的分裂可以停止。R GBM 包的默认值为 10。

什么是最好的使用价值？这取决于数据集以及您是在进行分类还是回归。由于每棵树的预测被视为终端节点中所有输入的因变量的平均值，因此值 1 可能不适用于回归（！），但可能适用于分类。

较高的值意味着较小的树，因此使算法运行得更快并使用更少的内存，这可能是一个考虑因素。

一般来说，结果对这个参数不是很敏感，并且考虑到 GBM 性能的随机性，实际上可能很难准确确定什么值是“最佳”。一般来说，交互深度、收缩和树的数量都将更加重要。