XGBoost对于第一棵树如何构造有如下问题：

  1. XGBOOST的第一棵树如何产生？
    1. XGBOOST的第一棵树一般是直接学出来的。
  2. 如果损失函数为MSE，那么二阶梯度恒为2；在候选切分点选取的时候，二阶梯度还有什么意义？
    1. 增加模型精度。
  3. 对于分类问题，XGBoost的损失函数应该如何选取？
    1. 二分类问题，先训练一个GBDT模型，然后使用Sigmoid函数进行预测，使用交叉熵作为损失函数。
    2. 多分类问题，同时训练对应类个数地GBDT模型，最后使用Softmax函数进行预测，使用交叉熵作为损失函数，标签是one-hot编码。其中，每轮中训练对应类个数的树，对于属于第k类地样本x，在第k个树的时候，样本标签为1；其它树时标签为0。

参考文献

  1. 深入理解GBDT多分类算法
  2. 深入理解GBDT二分类算法