如何在xgboost中的每次迭代后获得预测概率？ 自定义回调？

如何解决如何在xgboost中的每次迭代后获得预测概率？ 自定义回调？

我正在尝试获得所有训练迭代中每个训练示例的预测概率。

例如，在Keras中，要针对深度学习模型执行此操作，我可以编写一个自定义回调：

class prediction_history(keras.callbacks.Callback):
    def __init__(self):
        self.predhis_train = []
        self.predhis_valid = []
    def on_epoch_end(self,epoch,logs={}):
        self.predhis_train.append(model.predict(x_train))
        self.predhis_valid.append(model.predict(x_val))

predictions=prediction_history()    

my_callbacks = [predictions]    
   
# Add callback to model.fit
model.compile(optimizer=opt,loss="sparse_categorical_crossentropy",metrics=["accuracy"])
history = model.fit(
    x_train,y_train,batch_size=128,epochs=10,validation_data=(x_val,y_val),callbacks=my_callbacks
)

从documentation中，我看到实现了一些回调。

如何编写自定义回调，以便在每次迭代xgboost结束时获得预测概率？