我在校准LightGBM的概率时需要帮助

以下是我的代码

cv_results = lgb.cv(params,                     lgtrain,                     nfold=10,                    stratified=False ,                    num_boost_round = num_rounds,                    verbose_eval=10,                    early_stopping_rounds = 50,                     seed = 50)best_nrounds = cv_results.shape[0] - 1lgb_clf = lgb.train(params,                     lgtrain,                     num_boost_round=10000 ,                    valid_sets=[lgtrain,lgvalid],                    early_stopping_rounds=50,                    verbose_eval=10)ypred = lgb_clf.predict(test, num_iteration=lgb_clf.best_iteration)

回答：

我不确定LightGBM的情况，但在XGBoost的情况下，如果你想校准概率，最好且可能唯一的方法是使用sklearn的CalibratedClassifierCV。

你可以在这里找到它 – https://scikit-learn.org/stable/modules/generated/sklearn.calibration.CalibratedClassifierCV.html

这里唯一的注意事项是CalibratedClassifierCV只能接受sklearn的估计器作为输入，所以你可能需要使用XGBoost的sklearn封装器，而不是传统的XGBoost API的.train函数。

你可以在这里找到XGBoost的sklearn封装器 – https://xgboost.readthedocs.io/en/latest/python/python_api.html#xgboost.XGBClassifier