CatBoostClassifier多分类中获取和为1的依赖型概率的问题求助

• 原因：当你用loss_function: 'MultiClassOneVsAll'训练模型时，get_proba返回的是每个类别单独做二分类（One-vs-Rest）得到的概率，这些概率是相互独立的二分类结果，所以总和自然不会等于1。
• 解决方法：对每个样本的概率列表做归一化处理——把每个概率值除以该样本所有概率的总和，处理后所有类别的概率加起来就等于1了。

给你个Python代码示例：

import pandas as pd
import numpy as np

# 假设probs是get_proba返回的概率数组，形状为(样本数, 类别数)
probs = model.get_proba(X_test)
# 执行归一化，得到总和为1的依赖型概率
normalized_probs = probs / probs.sum(axis=1, keepdims=True)

# 转成DataFrame并导出到Excel
df = pd.DataFrame(normalized_probs, columns=[f"class_{i}" for i in range(probs.shape[1])])
df.to_excel("normalized_probs.xlsx", index=False)

• 额外提示：如果不想手动处理，也可以直接把损失函数改成'MultiClass'（CatBoost默认的多分类模式），这种模式下get_proba会直接返回归一化后的联合概率，不用再做额外操作。

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