1. sample_type： 它指定了丢弃时的策略：

• 'uniform'： 随机丢弃子树（默认值）
• 'weighted'： 根据权重的比例来丢弃子树

2. normaliz_type ：它指定了归一化策略：

• 'tree'： 新的子树将被缩放为： 1/(K+v) ； 被丢弃的子树被缩放为 v/(K+v) 。其中 v为学习率，K 为被丢弃的子树的数量
• 'forest'：新的子树将被缩放为：1/(1+v) ； 被丢弃的子树被缩放为 v/(1+v) 。其中 v 为学习率

3. rate_drop： dropout rate，指定了当前要丢弃的子树占当前所有子树的比例。范围为[0.0,1.0]， 默认为 0.0。

4. one_drop： 如果该参数为true，则在dropout 期间，至少有一个子树总是被丢弃。默认为 0 。

5. skip_drop： 它指定了不执行 dropout 的概率，其范围是[0.0,1.0]， 默认为 0.0 。 如果跳过了dropout，则新的子树直接加入到模型中（和xgboost 相同的方式）