R gbm package: 多元分類的預測值是怎麼算出來的?

我在測試 gbm model ，預測值不知道是怎麼計算出來的，想請問有沒有高人可以解釋下?
我的範例程式如下:

1. library(gbm);library(data.table)
   
2. dt2 = iris
   
3. gbm2 = gbm(Species~., data=dt2, n.trees=2, shrinkage=1, bag.frac=1, interaction.depth = 2)
   
4. p2 = predict(gbm2, newdata=dt2, n.trees=2)

复制代码

p2 的結果

1.         setosa versicolor virginica
   
2. [1,] 4.022788 -0.9711465 -2.309915
   
3. [2,] 4.022788 -0.9711465 -2.309915
   
4. [3,] 4.022788 -0.9711465 -2.309915
   
5. [4,] 4.022788 -0.9711465 -2.309915
   
6. [5,] 4.022788 -0.9711465 -2.309915
   
7. [6,] 4.022788 -0.9711465 -2.309915
   
8. [7,] 4.022788 -0.9711465 -2.309915
   
9. [8,] 4.022788 -0.9711465 -2.309915
   
10. [9,] 4.022788 -0.9711465 -2.309915
    
11. [10,] 4.022788 -0.9711465 -2.309915
    
12. ...

复制代码

想請問這些預測值是怎麼計算的?! 預測值不是透過分類器針對殘差進行迭代，產生許多分類器，最後再進行各個分類器的預測值加總嗎?那應該每筆預測資料會只有一個值，怎麼會有三個? (如有說明錯誤，還請指教)

沒人回答 我只好自己回答了
我找到一個參考網頁，說的滿清楚的
https://www.zhihu.com/question/48898564

簡單的說，就是"每一個"類別"每一次"迭代就會產生一棵分類樹
也就是，如果以上面的例子而言，有三個類別且 n.tree = 2(迭代兩次) 總共就會有六棵樹
而其中，第一棵樹以及第四棵樹是針對第一個類別
至於樹的結構，可以使用 "pretty.gbm.tree" 作呈現 (範例: tree1 <- pretty.gbm.tree(gbm2, 1))
解析樹的結購可以參考 : https://stackoverflow.com/questions/31296541/understanding-tree-structure-in-r-gbm-package

透過每棵樹的結果，將各類別的數值進行加總
例如: 一筆預測資料，經過六棵樹，產生六個數值，其中第一、四棵樹加總再加上初始值(initF)就是第一個類別的數值，而第二、五棵樹加總就是第二個類別，以此類推
所以一筆預測資料針對三個類別會有三個數值