python - 如何评估 XGboost 给出的预测概率?
问题描述
我有一个不平衡的二元分类问题。正负类的比例约为1:10。我训练了一个 XGBoost 树模型,以使用连续和分类数据作为输入来预测这两个类。
使用这个 XGBoost 库,我预测使用predict_proba
. 我假设这里输出的概率值是这些新测试数据是正类的可能性?假设我有一个带有测试标签的完整测试集,我如何评估这些(我假设的)可能性的质量?
解决方案
推荐阅读
- php - PayPal notify_url (IPN) 永远不会被调用,而 return 会被调用
- angular - Angular 7.1.4 版上的 NPM 严重性漏洞
- scala - Spark SQL中的'col(带勾号)表达式是什么意思?
- html - 社交媒体图标不是垂直对齐而不是水平对齐
- excel - VBA excel - 包含日期的单元格返回空值
- excel - 带有excel 2010的VB脚本
- javascript - 使用 import 和动态 import() 加载相同的模块
- ssms - SSMS:从自动刷新的其他表创建新表
- ruby-on-rails - 在 rspec 中运行时,isolate_namespace 错过 Rails::Engine::ActionDispatch
- java - 如何用接口方法的方法引用替换 lambda?