使用sklearn的xgboost繪製
ROC Curve沒問題
#XGBoost
xgb = xgb.fit(X_train,y_train)
#預測分類的概率
y_pred_xgb = xgb.predict_proba(X_test)[:, 1]
fpr_xgb, tpr_xgb, _ = roc_curve(y_test, y_pred_gbdt)
想請問若是使用
import xgboost as xgb
訓練是用bst = xgb.train(param, dtrain, num_round)
這種的xgboost要怎麼計算出他每個分類的概率
而不是預測出的結果
才可以繪製ROC Curve
感謝了

不是一樣嗎? 多類別就改成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就是機率了

建模用的輸入x去預測y 在跟實際y結果比對就可以算機率

跟畫pr一樣，tp, fp,sns