基于CatBoost实现主/次偏好双早餐类型预测的可行性咨询

完全可以在现有方案基础上实现，不用改训练逻辑，靠CatBoost的概率输出就能直接拿到最偏好和第二偏好的早餐类型，具体操作如下：

关键逻辑 #

CatBoost分类器训练完成后，不仅能输出单个预测类别，还能输出每个样本对应所有早餐类型的预测概率。我们只需要对这些概率从高到低排序，取前两个对应的类别，就是你要的Top2偏好。

代码修改示例 #

你的训练代码完全不用动，只需要在预测阶段替换成以下代码：

# 原有训练部分保持不变
df_train, df_test = train_test_split(df, test_size=0.15, random_state=42)
df_train, df_valid = train_test_split(df_train, test_size=0.15, random_state=42)

features_train = df_train.drop(['breakfast'], axis=1)
target_train = df_train['breakfast']
features_valid = df_valid.drop(['breakfast'], axis=1)
target_valid = df_valid['breakfast']
features_test = df_test.drop(['breakfast'], axis=1)
target_test = df_test['breakfast']

model_cat = CatBoostClassifier(random_state=42)
model_cat.fit(features_train, target_train)

# 替换predict为predict_proba，获取所有类别的概率
valid_probabilities = model_cat.predict_proba(features_valid)

# 获取所有早餐类型的标签列表
breakfast_types = model_cat.classes_

# 对每个样本的概率降序排序，取前2个的索引
import numpy as np
top2_indices = np.argsort(-valid_probabilities, axis=1)[:, :2]

# 把索引转成对应的早餐类型名称
valid_top2_predictions = breakfast_types[top2_indices]

# 打印前5个样本的Top2结果，格式是[最偏好, 第二偏好]
print(valid_top2_predictions[:5])

额外说明 #

• predict_proba()返回的是二维数组，每行对应一个样本，每列对应一种早餐类型的概率，顺序和model_cat.classes_里的类型顺序完全一致。
• 如果要评估Top2预测准不准，可以自己写个小逻辑：比如统计真实早餐类型在Top2结果里的样本占比，这个就是常用的Top2准确率指标。

内容的提问来源于stack exchange，提问作者user18600512