二元分类预测置信度 2：Electric Boogaloo

Question

我一直在研究具有 5 个类的 XGBoost 分类器，我过去常常从 predict_proba() function 中获得每个预测的置信度（置信度总和加起来为 1，这很容易）。 现在我已经切换到二进制分类，predict_proba() 返回（例如）这个：[[-1.0231217 2.1702857]]

我非常困惑这个矩阵到底测量了什么，或者我在训练 model 时做错了什么。我 go 如何找出每个预测的预测置信度？

我的 model 参数，以防我在训练期间遗漏了一些明显的东西：

xgb1 = XGBClassifier(learning_rate= 0.0125,
n_estimators=1000,    
#n_jobs = -1,
max_depth=6,
min_child_weight=1,
gamma=0.1,
subsample=0.7,
colsample_bytree=0.6,
objective='multi:softmax' ,
nthread=4,
num_class=2,
seed=42,
use_label_encoder=False,
eval_metric='mlogloss',
tree_method = 'gpu_hist',
gpu_id = 0)

Answer 1

我注意到的一件事是，您可以更改objective='binary:logistic' 。 可以试试，但不确定是不是这个原因。

如果您添加如何使用predict_proba() function 将会很有帮助。对于 output 概率， predict_proba()第二个参数output_margin应该为假。