使用sklearn的xgboost绘制
ROC Curve没问题
#XGBoost
xgb = xgb.fit(X_train,y_train)
#预测分类的概率
y_pred_xgb = xgb.predict_proba(X_test)[:, 1]
fpr_xgb, tpr_xgb, _ = roc_curve(y_test, y_pred_gbdt)
想请问若是使用
import xgboost as xgb
训练是用bst = xgb.train(param, dtrain, num_round)
这种的xgboost要怎么计算出他每个分类的概率
而不是预测出的结果
才可以绘制ROC Curve
感谢了

不是一样吗? 多类别就改成predict_proba(X_test)[:,i]

'Booster' object has no attribute 'predict_proba'原生的xgboost非sklearn下的

就用 sklearn API 不就好了

那直接呼叫predict就是机率了

建模用的输入x去预测y 在跟实际y结果比对就可以算机率

跟画pr一样，tp, fp,sns