python - XGBoost - 获得 multi:softmax 函数后的概率

Question

我有一个关于 xgboost 和多类的问题。我没有使用 sklearn 包装器，因为我总是与一些参数作斗争。我正在考虑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的函数predict_proba，但我不知道是否可能。很多答案（例如：https : //datascience.stackexchange.com/questions/14527/xgboost-predict-probabilities）建议转移到 sklearn 包装器，但是，我想继续使用正常的训练方法。

Answer 1

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

请参阅此处的文档： https ://xgboost.readthedocs.io/en/latest/parameter.html#learning-task-parameters