lightGBM困惑

关于lightGBM有一些疑问的点（不确定自己的理解是不是对的），望大牛解惑。

lightGBM同时利用了Boosting和Bagging.

我下面的理解不确定对不对：

1）boost设置为gbdt(假设），针对每一个类生成一棵树。

2）n_estimators参数代表Boosting迭代的次数。

3）bagging_freq代表经过多少次迭代对样本集进行重新采样，则这里的迭代我理解的应该和上面boosting的迭代不是一个概念，这里的迭代是针对经过n_estimators次Boosting的强学习器。如果bagging_freq的值为5，则这样的强学习器有5个，其中这5个不同的强学习器的输入样本是数据集A“有放回抽样”获取来的，而数据集A是通过设定bagging_fraction从总样本中获取的。然后这5个强学习器，做Bagging,获取一个“更强”的学习器。之后再从总样本中取  总样本数*bagging_fraction个样本作为数据集A1，同样的，得到一个“更强”的学习器。

我觉得我这样理解很有可能是有问题的，但是目前找不到资料去验证。针对这些Bagging后的值怎么去影响最后结果，我也不清楚，是最后针对这些Bagging的结果投票选众数吗？还是在此基础上再做一次Bagging?望牛友指出错误，感谢万分~