xgboost: predict 和 predict_proba 分類器正確率計算的討論

sklearn接口的xgboost 分類器：

xgboost.XGBClaaifier()

xgboost.fit(x,y)

1. xgboost.predict(test_x)  

2. xgboost.predict_proba(test_x)

3. xgboost.score(test_x,y)

討論：

結果1“可能”不準，因爲predict默認採用0.5做閾值；另外，score也是利用0.5做閾值計算的分數。

而如果根據predict_proba，我們分析不同閾值下的正確率分數，會發現在某些閾值下，正確率分數會更高。

 

 

非sklearn接口的xgboost分類器：

xgboost.train()

xgboost.predict() 只會輸出概率或sigmoid轉換前的貢獻度model_a.predict(pred_contribs= True)，需要人工指定閾值，才能做分類。