我正在尝试使用xgboost算法解决多类分类问题，但是我不清楚predict_proba函数的具体工作原理。实际上，predict_proba函数会生成一系列概率，但我不知道每个概率对应哪个类别。

这是一个简单的例子：

这是我的训练数据：

+------------+----------+-------+| feature1   | feature2 | label |+------------+----------+-------+|    x       |    z     |   3   |+------------+----------+-------+|    y       |    u     |   0   |+------------+----------+-------+|    x       |    u     |   2   |+------------+----------+-------+

然后当我尝试为一个新样本预测概率时

model.predict_proba(['x','u'])

这会返回类似这样的结果：

[0.2, 0.3, 0.5]

我的问题是：概率为0.5的类别是哪个？是类别2，还是3或0？

回答：

看起来你使用的是xgboost的sklearn API。在这种情况下，模型有一个专用的属性model.classes_，它返回模型学习到的类别，并且输出数组中类别的顺序对应于概率的顺序。

这是一个使用虚拟数据的例子：