Question

我正在尝试使用xgboost算法预测解决多类分类，但是我不知道predict_proba是如何工作的。实际上，predict_proba生成了一个概率列表，但我不知道每种概率与哪个类别相关。

这是一个简单的例子：

这是我的火车数据：

+------------+----------+-------+
| feature1   | feature2 | label |
+------------+----------+-------+
|    x       |    z     |   3   |
+------------+----------+-------+
|    y       |    u     |   0   |
+------------+----------+-------+
|    x       |    u     |   2   |
+------------+----------+-------+

然后当我尝试预测probas的新例子

model.predict_proba(['x','u'])

这将返回如下内容：

[0.2, 0.3, 0.5]

我的问题是：概率为0.5的类别是什么？是2类，3类还是0类？

Answer 1

似乎您使用了xgboost的sklearn API。在这种情况下，模型具有专用属性model.classes_，该属性返回模型所学习的类，并且输出数组中类的顺序与概率顺序相对应。

这是一个有关伪数据的示例：

import numpy as np
import pandas as pd
import xgboost as xgb

# generate dummy data (10k examples, 10 numeric features, 4 classes of target)
np.random.seed(312)
train_X = np.random.random((10000,10))
train_y_mcc = np.random.randint(0, 4, train_X.shape[0]) #four classes:0,1,2,3

# model
xgb_model_mpg = xgb.XGBClassifier(max_depth= 3, n_estimators=100)
xgb_model_mpg.fit(train_X, train_y_mcc)

# classes
print(xgb_model_mpg.classes_)
>>> [0 1 2 3]

xgboost Forecast_proba：如何在概率和标签之间进行映射

1 个答案: