Question

我对xgboost和multiclass有疑问。我不使用sklearn包装器，因为我一直在尝试一些参数。我在琢磨是否有可能获得概率向量加上softmax输出。以下是我的代码：

param = {}
param['objective'] = 'multi:softmax'
param['booster'] = 'gbtree'
param['eta'] = 0.1
param['max_depth'] = 30
param['silent'] = 1
param['nthread'] = 4
param['num_round'] = 40
param['num_class'] = len(np.unique(label)) + 1   
model = xgb.train(param, dtrain)                                    
# predict                                                                                   
pred = model.predict(dtest)

我希望能够调用类似predict_proba的函数，但是我不知道是否可能。许多答案（例如：https://datascience.stackexchange.com/questions/14527/xgboost-predict-probabilities）建议使用sklearn包装器，但是，我希望保留常规火车方法。

Answer 1

如果使用param['objective'] = 'multi:prob'而不是param['objective'] = 'multi:softmax'，则分类器的结果是每个类的概率。

在此处查看文档： https://xgboost.readthedocs.io/en/latest/parameter.html#learning-task-parameters

XGBoost-获得multi：softmax函数后的概率

1 个答案: