使用 xgboost 进行校准

Question

我想知道我是否可以在xgboost中进行校准。更具体地说，xgboost是否像scikit-learn那样带有现有的校准实现，或者是否有一些方法可以将xgboost的模型放入scikit-learn的CallibratedClassifierCV中？

据我在 sklearn 中所知，这是常见的程序：

# Train random forest classifier, calibrate on validation data and evaluate
# on test data
clf = RandomForestClassifier(n_estimators=25)
clf.fit(X_train, y_train)
clf_probs = clf.predict_proba(X_test)
sig_clf = CalibratedClassifierCV(clf, method="sigmoid", cv="prefit")
sig_clf.fit(X_valid, y_valid)
sig_clf_probs = sig_clf.predict_proba(X_test)
sig_score = log_loss(y_test, sig_clf_probs)
print "Calibrated score is ",sig_score

如果我将 xgboost 树模型放入 CallibratedClassifierCV 中，则会抛出错误（当然）：

RuntimeError: classifier has no decision_function or predict_proba method.

有没有办法将scikit-learn的优秀校准模块与xgboost集成在一起？

感谢您富有洞察力的想法！

Answer 1

回答我自己的问题，xgboost GBT 可以通过编写一个包装类与 scikit-learn 集成，如下所示。

class XGBoostClassifier():
def __init__(self, num_boost_round=10, **params):
    self.clf = None
    self.num_boost_round = num_boost_round
    self.params = params
    self.params.update({'objective': 'multi:softprob'})
def fit(self, X, y, num_boost_round=None):
    num_boost_round = num_boost_round or self.num_boost_round
    self.label2num = dict((label, i) for i, label in enumerate(sorted(set(y))))
    dtrain = xgb.DMatrix(X, label=[self.label2num[label] for label in y])
    self.clf = xgb.train(params=self.params, dtrain=dtrain, num_boost_round=num_boost_round)
def predict(self, X):
    num2label = dict((i, label)for label, i in self.label2num.items())
    Y = self.predict_proba(X)
    y = np.argmax(Y, axis=1)
    return np.array([num2label[i] for i in y])
def predict_proba(self, X):
    dtest = xgb.DMatrix(X)
    return self.clf.predict(dtest)
def score(self, X, y):
    Y = self.predict_proba(X)
    return 1 / logloss(y, Y)
def get_params(self, deep=True):
    return self.params
def set_params(self, **params):
    if 'num_boost_round' in params:
        self.num_boost_round = params.pop('num_boost_round')
    if 'objective' in params:
        del params['objective']
    self.params.update(params)
    return self

在此处查看完整示例。

请不要犹豫，提供更智能的方法来做到这一点！

Answer 2

来自 2020 年 7 月地狱景观的笔记：

您不再需要包装类。predict_proba方法内置于 xgboost sklearn python API 中。不确定它们是何时添加的，但它们肯定适用于 v1.0.0。

注意：这当然仅适用于具有 predict_proba 方法的类。例如：XGBRegressor 没有。XGBClassifier做到了。