问题描述：
我正在尝试使用xgboost算法预测解决多类分类，但是我不知道 predict_proba 是如何工作的.实际上， predict_proba 会生成一个概率列表，但我不知道每种概率与哪个类别相关.
这是一个简单的例子:
这是我的训练数据:
+------------+----------+-------+| feature1 | feature2 | label |
+------------+----------+-------+| x | z | 3 |
+------------+----------+-------+| y | u | 0 |
+------------+----------+-------+| x | u | 2 |
+------------+----------+-------+
然后当我尝试预测probas的新例子
model.predict_proba(['x','u'])
这将返回如下内容:
[0.2, 0.3, 0.5]
我的问题是:概率为0.5的类别是什么?是2类，3类还是0类?
似乎您在使用xgboost的sklearn API.在这种情况下，模型具有专用的属性 model.classes _ ，该属性返回模型学习到的类，并且输出数组中类的顺序与概率的顺序相对应.
这是一个有关伪数据的示例:
import numpy as np
import pandas as pd
import xgboost as xgb
# generate dummy data (10k examples, 10 numeric features, 4 classes of target)
np.random.seed(312)
train_X = np.random.random((10000,10))
train_y_mcc = np.random.randint(0, 4, train_X.shape[0]) #four classes:0,1,2,3
# model
xgb_model_mpg = xgb.XGBClassifier(max_depth= 3, n_estimators=100)
xgb_model_mpg.fit(train_X, train_y_mcc)
# classes
print(xgb_model_mpg.classes_)
>>> [0 1 2 3]
