我在学习使用xgboost，并且已经阅读了相关文档！然而，我不明白为什么我的脚本输出在0~~2之间。首先，我以为输出应该是0或1，因为这是一个二进制分类，但后来我读到输出是0或1的概率，然而，一些输出是1.5+（至少在CSV文件中），这对我来说没有意义！
我不确定问题出在xgboost的参数设置上还是CSV文件的创建上！这一行，np.expm1(preds)，我不确定是否应该使用np.expm1，但我不知道可以用什么来替换它！
总之，我的疑问是：
为什么输出不是0或1，而是0.0xxx和1.xxx？
这是我的脚本：
import numpy as npimport xgboost as xgbimport pandas as pdtrain = pd.read_csv('../dataset/train.csv')train = train.drop('ID', axis=1)y = train['TARGET']train = train.drop('TARGET', axis=1)x = traindtrain = xgb.DMatrix(x.as_matrix(), label=y.tolist())test = pd.read_csv('../dataset/test.csv')test = test.drop('ID', axis=1)dtest = xgb.DMatrix(test.as_matrix())# XGBoost params:def get_params(): # params = {} params["objective"] = "binary:logistic" params["booster"] = "gbtree" params["eval_metric"] = "auc" params["eta"] = 0.3 # params["subsample"] = 0.50 params["colsample_bytree"] = 1.0 params["max_depth"] = 20 params["nthread"] = 4 plst = list(params.items()) # return plstbst = xgb.train(get_params(), dtrain, 1000)preds = bst.predict(dtest)print np.max(preds)print np.min(preds)print np.average(preds)# Make Submissiontest_aux = pd.read_csv('../dataset/test.csv')result = pd.DataFrame({"Id": test_aux["ID"], 'TARGET': np.expm1(preds)})result.to_csv("xgboost_submission.csv", index=False)回答：
当你运行一个目标为binary:logistic的xgb模型时，你会得到每个样本的概率数组。这些概率表示样本属于类i的可能性。
假设你有3个类[A, B, C]。对于样本y的输出如[0.2, 0.6, 0.4]，表示这个样本最可能属于类B。
如果你只想要最可能的类，可以使用这样的概率数组中最大元素的索引，例如使用numpy函数argmax。
你可以在xgb包参数的文档中找到更多信息。
