校准lightgbm或XGBoost中的概率

Question

嗨，我需要校准lightgbm中的概率

下面是我的代码

cv_results = lgb.cv（参数， lgtrain， nfold = 10， 分层= False， num_boost_round = num_rounds， verbose_eval = 10， early_stopping_rounds = 50， 种子= 50）

best_nrounds = cv_results.shape [0]-1

lgb_clf = lgb.train（params， lgtrain， num_boost_round = 10000， valid_sets = [lgtrain，lgvalid]， early_stopping_rounds = 50， verbose_eval = 10）

ypred = lgb_clf.predict（test，num_iteration = lgb_clf.best_iteration）

Answer 1

我不确定LighGBM，但对于XGBoost，如果要校准概率，最好的方法是，最好的方法是使用sklearn中的CalibratedClassifierCV 。

您可以在这里找到它-https://scikit-learn.org/stable/modules/generated/sklearn.calibration.CalibratedClassifierCV.html

这里唯一要注意的是， CalibratedClassifierCV仅将sklearn的估计量作为输入，因此您可能不得不对XGBoost使用sklearn包装器，而不是传统的XGBoost API的.train函数。

您可以在此处找到XGBoost的sklearn包装器-https://xgboost.readthedocs.io/en/latest/python/python_api.html#xgboost.XGBClassifier

希望它能回答您的问题。