如何使用已训练的XGB分类模型对新数据行进行预测

前置要求 #

首先要保证你待预测的全新数据的特征和训练时的X_train完全对齐：

• 特征数量、列顺序完全一致
• 所有预处理逻辑（比如缺失值填充、类别编码、数值归一化等）和训练集的处理逻辑完全相同，不能有差异，否则预测结果会失真

预测方法选择 #

你提到需要对新数据「打分」，结合你训练时用AUC作为评估指标的情况，是否使用predict_proba()可以根据你的需求判断：

• model.predict(X)：输出是模型判定的分类标签（二分类场景下为0或1），默认以0.5作为概率切分阈值，适合只需要最终分类结果的场景
• model.predict_proba(X)：输出是样本属于每个类别的概率值，二分类场景下返回形状为(样本数, 2)的数组，第一列是样本属于类别0的概率，第二列是样本属于类别1的概率，适合需要概率打分、自定义分类阈值、排序类的场景，你提到的「打分」需求一般用这个方法

具体操作代码 #

场景1：只需要分类标签 #

# X_new为预处理后的新数据特征矩阵
y_new_pred = model.predict(X_new)
# 输出的y_new_pred就是每个新样本的分类标签

场景2：需要得到正例概率打分 #

# X_new为预处理后的新数据特征矩阵
y_new_proba = model.predict_proba(X_new)
# 提取类别1的概率作为最终打分
positive_score = y_new_proba[:, 1]

小提示：如果你需要自定义分类阈值（比如根据业务需要调整为0.4来提高召回率），可以拿到positive_score后自行判断，比如custom_predict = [1 if x>0.4 else 0 for x in positive_score]即可。

内容的提问来源于stack exchange，提问作者titu84hh