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?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。