我可能在文档中忽略了这个问题，但我想知道是否有办法使用XGBoost生成预测结果和相应的概率？在我的案例中，我正在尝试预测一个多类分类器。如果能返回“Medium – 88%”这样的结果就太好了。
- 分类器 = Medium
- 预测概率 = 88%
参数
params = { 'max_depth': 3, 'objective': 'multi:softmax', # error evaluation for multiclass training 'num_class': 3, 'n_gpus': 0}预测
pred = model.predict(D_test)结果
array([2., 2., 1., ..., 1., 2., 2.], dtype=float32)用户友好（标签编码器）
pred_int = pred.astype(int)label_encoder.inverse_transform(pred_int[:5])array(['Medium', 'Medium', 'Low', 'Low', 'Medium'], dtype=object)编辑：@Reveille建议使用predict_proba。我没有实例化XGBClassifer()。我应该这样做吗？如果是的话，我应该如何修改我的流程来使用它？
params = { 'max_depth': 3, 'objective': 'multi:softmax', # error evaluation for multiclass training 'num_class': 3, 'n_gpus': 0}steps = 20 # The number of training iterationsmodel = xgb.train(params, D_train, steps)回答：
你可以尝试pred_p = model.predict_proba(D_test)
我手头有一个例子（不过不是多类分类）：
如@scarpacci在评论中提到的（参考）：
predict_proba()方法仅在scikit-learn接口中存在
