下面的预测函数也给出了 -ve 值，因此它不能是概率。
param <- list(max.depth = 5, eta = 0.01, objective="binary:logistic",subsample=0.9)
bst <- xgboost(param, data = x_mat, label = y_mat,nround = 3000)
pred_s <- predict(bst, x_mat_s2)
我谷歌并尝试过pred_s <- predict(bst, x_mat_s2,type="response")
，但没有奏效。
问题
如何预测概率？
只需使用predict_proba而不是predict. 您可以将目标保留为binary:logistic。
知道我有点晚了，但要从xgboost你那里得到概率，应该像这样指定multi:softmax目标：
xgboost(param, data = x_mat, label = y_mat,nround = 3000, objective='multi:softprob')
来自?xgb.train：
multi:softprob 和softmax一样，但是输出一个ndata * nclass的向量，可以进一步reshape成ndata，nclass矩阵。结果包含属于每个类的每个数据点的预测概率。
预测后：
pred_s <- predict(bst, x_mat_s2)
您可以通过以下方式获得概率：
pred_s$data
如果这是二元分类，则pred_s$data包括 prob.0、prob.1、响应。
因此，您可以通过以下方式获得 prob.1：
pred_s$data$prob.1