文章/答案/技术大牛

发布

社区首页 >问答首页 >XGBoost预测的概率

问XGBoost预测的概率
EN

Data Science用户

提问于 2020-11-10 07:54:37

回答 2查看 542关注 0票数 1

我看了足球数据，并试图预测是否会出现一个目标二进制的xgboost :逻辑。

我的数据是1:10不平衡，没有比目标更占优势的目标。我在mlr包中使用了smote或task.over来过度采样(因子为4)。

我训练模型，调和交叉验证，但预测似乎是合理的(低拍卖30%，但在其他统计数据高)。

然而，当我看这个模型预测的概率时，它比实际的平均值要大得多。有什么能导致这件事的吗？

概率是多少？也就是说，第一类概率是指他们在第一类中的概率，所以可能并不能真正代表得分的概率。

提前感谢

xgboost

回答 2

Data Science用户

发布于 2021-02-25 16:20:05

通过过度抽样，你告诉你的模型目标比它们更普遍，所以它的预测概率当然太高了。

您可以撤消重采样导致的概率变化，例如这个职位或这个CV.SE一号，或者使用更一般的“概率校准”方法，例如我们的标记概率校准。

票数 1

Data Science用户

发布于 2021-02-25 16:06:04

如果预测的结果目标(即本例中的概率)始终高于实际，这就意味着您有统计偏差模型。统计偏差是当有一个系统不同的结果与人口参数被估计。

有许多方法可以减少统计偏见：

重采样在更极端的比率
将损失函数改为更严厉的错误预测。
变更算法

票数 0

页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://datascience.stackexchange.com/questions/85191

复制

相似问题

问XGBoost预测的概率
EN

回答 2

Data Science用户

Data Science用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问XGBoost预测的概率EN

回答 2

Data Science用户

Data Science用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问XGBoost预测的概率
EN