CatBoost二分类自定义评估指标中approxes为何出现负值？

核心误解：approxes是对数几率（Logits），不是概率值 #

CatBoost二分类模型默认传递给自定义评估函数的approxes数组，是对数几率（logit），也就是ln(p/(1-p))，这个值的取值范围是(-∞, +∞)，完全不是你预期的0-1概率区间：

• 当模型预测的正类概率p<0.5时，logit为负值（比如你看到的-1.25，对应p≈0.22）
• 当p>0.5时，logit为正值（你看到的0.25对应p≈0.56）

你用expit(y_pred).astype(int)转换后全为0，是因为expit(-1.25)≈0.22、expit(0.25)≈0.56，直接转int会把所有小于1的数都变成0，这显然不对。

内置评估函数正常的原因 #

内置的F:beta等评估函数，CatBoost内部已经自动完成了logits到概率的转换，或者直接基于logits计算指标（很多指标的计算不需要先转概率，结果一致），所以你不需要额外处理就能正常运行。

正确的处理方式 #

1. 转换为概率后判断类别：如果需要基于类别计算指标，先通过sigmoid（即expit）把logits转成概率，再设置阈值（比如0.5）划分类别：

   from scipy.special import expit
   prob = expit(approxes[0])  # approxes是数组列表，取第一个元素
   preds = (prob >= 0.5).astype(int)
   

2. 直接用logits计算指标：像AUC、对数损失这类指标，可以直接用logits计算，不需要转概率，计算效率和结果准确性都更高。

内容的提问来源于stack exchange，提问作者user23571732