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 是否带有现有的校准实现，如 scikit-learn 中的，还是有一些方法可以将 xgboost 中的模型放入 scikit-learn 的 CalibratedClassifierCV 中？

据我所知，这是 sklearn 中的常用程序：

# 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 CalibratedClassifierCV 会引发错误（当然）：

RuntimeError: classifier has no decision_function or predict_proba method.

有没有办法将scikit-learn优秀的校准模块与xgboost集成？

欣赏您富有洞察力的想法！

Answer 1

2020 年 7 月的地狱景象：

您不再需要包装类。 predict_proba 方法内置于 xgboost sklearn python api 中。不确定它们是什么时候添加的，但它们肯定会在 v1.0.0 上出现。

注意：这当然只适用于具有 predict_proba 方法的类。例如：XGBRegressor 没有。 XGBClassifier 可以。

Answer 2

回答我自己的问题，xgboost GBT 可以通过编写如下例所示的包装类与 scikit-learn 集成。

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

查看完整示例here。

请不要犹豫，提供一种更智能的方法！