Apache spark 使用带有spark mllib的GradientBoostedTrees可以获得类概率吗？

我目前正在与spark mllib合作

我使用GradientBoostedTrees类的梯度增强算法创建了一个文本分类器：

目前，我获得预测以了解新元素的类别，但我希望获得类别概率（硬决策前的输出值）

---

在其他mllib算法（如逻辑回归）中，您可以从分类器中移除阈值以获得类别概率，但我找不到一种方法来对GradientBosstedTrees执行相同的过程。

据我所知，这目前不可能，但在随机林中是可能的。

据我所知，目前还不可能，但在随机林中是可能的。

你可以看到这个链接……我在这里解释了一个过程

为了实现预测的概率和阈值，需要使用

print(model.toDebugString)

---

输出。我试图理解树是如何工作的，以预测哪一个在Spark之外是相当简单的。

你可以看到这个链接……我在这里解释了一个过程

为了实现预测的概率和阈值，需要使用

print(model.toDebugString)

---

输出。我试图理解树是如何工作的，以预测Spark之外的哪些是相当简单的。

在Spark MLLIB中，似乎不可能获得类概率

您只能获得最终的分类决策

这是一个遗憾，因为这些信息非常有用（如果你将样本分类为阳性，99.99%的可能性与51%的可能性不一样），并且一旦模型经过训练，就不难获得这些信息

---

另一种方法是使用不同的软件，如xgboost:

在Spark MLLIB中，似乎无法获得类别概率

您只能获得最终的分类决策

这是一个遗憾，因为这些信息非常有用（如果你将样本分类为阳性，99.99%的可能性与51%的可能性不一样），并且一旦模型经过训练，就不难获得这些信息

另一种方法是使用不同的软件，如xgboost：