我想知道我是否可以在 xgboost 中进行校准。更具体地说，xgboost 是否带有现有的校准实现，如 scikit-learn 中的，还是有一些方法可以将 xgboost 中的模型放入 scikit-learn 的 CalibratedClassifierCV 中？
据我在 sklearn 中所知，这是常见的程序:
# Train random forest classifier, calibrate on validation data and evaluate
# on test data
clf = RandomForestClassifier(n_estimators=25)
clf.fit(X_train, y_train)
clf_probs = clf.predict_proba(X_test)
sig_clf = CalibratedClassifierCV(clf, method="sigmoid", cv="prefit")
sig_clf.fit(X_valid, y_valid)
sig_clf_probs = sig_clf.predict_proba(X_test)
sig_score = log_loss(y_test, sig_clf_probs)
print "Calibrated score is ",sig_score
如果我将 xgboost 树模型放入 CalibratedClassifierCV 会引发错误(当然):
RuntimeError: classifier has no decision_function or predict_proba method.有没有办法将 scikit-learn 的优秀校准模块与 xgboost 集成？
欣赏你有见地的想法!
最佳答案
来自 2020 年 7 月的 hell 景观的注释:
您不再需要包装类。 predict_proba 方法内置于 xgboost sklearn python api 中。不确定它们是什么时候添加的，但它们肯定会在 v1.0.0 上出现。
注意:这当然只适用于具有 predict_proba 方法的类。例如:XGBRegressor 没有。 XGBClassifier 可以。
关于scikit-learn - 使用 xgboost 进行校准，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/35585927/