以下是agaricus样本数据的示例：

import xgboost as xgbfrom sklearn.datasets import load_svmlight_filesX_train, y_train, X_test, y_test = load_svmlight_files(('agaricus.txt.train', 'agaricus.txt.test'))clf = xgb.XGBClassifier()param = clf.get_xgb_params()clf.fit(X_train, y_train)preds_sk = clf.predict_proba(X_test)dtrain = xgb.DMatrix(X_train, label=y_train)dtest = xgb.DMatrix(X_test)bst = xgb.train(param, dtrain)preds = bst.predict(dtest)print preds_skprint preds

结果如下：

[[  9.98860419e-01   1.13956432e-03] [  2.97790766e-03   9.97022092e-01] [  9.98816252e-01   1.18372787e-03] ...,  [  1.95205212e-04   9.99804795e-01] [  9.98845220e-01   1.15479471e-03] [  5.69522381e-04   9.99430478e-01]][ 0.21558253  0.7351886   0.21558253 ...,  0.81527805  0.18158565  0.81527805]

为什么结果会不同？似乎所有默认参数值都是相同的。我的意思不是predict_proba返回[prob, 1- prob]的情况。

xgboost v0.6, scikit-learn v0.18.1, python 2.7.12

回答：

你需要直接将num_boost_round参数传递给xgb.train：

bst = xgb.train(param, dtrain,num_boost_round=param['n_estimators'])

因为否则它会忽略param[‘n_estimators’]，并使用默认的估计器数量，xgb.train接口当前的默认值为10，而n_estimators的默认值为100。