使用 xgboost 的 python / sklearn API 时，是通过predict_proba“真实概率”方法获得的概率还是我必须使用logit:raw并手动计算 sigmoid 函数？
我想尝试不同的截止点。目前binary:lgistic通过sklearn:XGBClassifier从该prob_a方法返回的概率使用类似于 2 个类，而不是一个连续函数，其中更改截止点会影响最终得分。
这是获得试验截止值的概率的正确方法吗？
Xgboost 预测概率
数据挖掘
预测建模
scikit-学习
xgboost
可能性
2021-09-23 20:49:57
2个回答
LightGBM 论坛就是答案 ;) https://github.com/Microsoft/LightGBM/issues/272#issuecomment-276168493
- 显然，我的模型非常适合结果，即非常确定类概率
- 我没想到会有如此明确的界限，因此如果这可能是正确的，我会感到困惑。