R XGBoost提取训练预测

在非常嘈杂的数据集上生成模型时，我需要提取训练集上最终XGBoost模型所做的预测。我知道我可以从xgb.cv中提取出错误的预测，但是我不能用它来预测延迟测试集

我知道这不是一个常见的用例，但有必要在训练集中找出哪些样本代表异常值，以便进一步探索和稍后的模型叠加

---

有没有办法显示最终模型在训练集上做出的预测？我会想，既然我每轮都会出错，我可以，但我找不到办法。

如果我误解了这个问题，请原谅，但是

predict（）

不起作用吗

model = xgboost(data = data$train, nround = 20,param=param)
training_predictions = predict(model, data$train)

---

另外，我在一台无法安装XGB的机器上，但我非常确定model对象具有作为元素之一的最终预测。

经过进一步思考，我想要的似乎是一个与Random Forest的出包预测类似的模型。然而，由于增强树的性质，没有真正的“真实”OOB样本，因为任何样本都可能出现在以前的树中

---

我认为最接近的方法是使用与训练模型相同的参数和随机种子从CV XGB模型中获取预测。

在训练集上运行predict可获得100%的准确率，与随机森林类似，因为树木在训练期间已看到所有数据。最终的模型对象也没有最终的预测（或者至少我一生都找不到），这很奇怪，因为它仍然可以计算训练集上的错误。