我正在尝试了解XGBoost中的多类分类如何工作。我已经阅读了Chen和Guestrin撰写的论文（2016，https://arxiv.org/abs/1603.02754），但我仍然不清楚细节：
说我想为3类分类任务生成一个概率分类器。如果我理解正确，那么XGBoost会将回归树适合为“弱学习者”或boosting模型的组成部分。因此，如果将新的预测变量矢量传递给XGB模型，则回归树将产生一个真实值作为“预测”，其（加权）组合是增强模型的前兆。
[从this question和本文的文档中，我收集到将softmax激活函数应用于增强模型预测（真实值？），并且通过优化交叉确定树结构（例如，分割点） softmax应用于模型输出后的-熵损失函数。
我不清楚的是，究竟如何获得三个类别的概率。如果模型输出只是一个实值（各个回归树的输出的加权组合），那么softmax函数的应用如何返回3个概率？]
我在Python和R中都使用XGBoost库，但这可能没有什么区别。
XGBoost模型中可以有多个子GBDT模型。具体来说，在进行多类别分类的情况下，每个类别都有一个子GBDT模型。
[在预测期间，XGBoost模型评估所有子GBDT模型，并获得n元数组的原始提升分数。将softmax归一化应用于此数组，从而生成概率值的n元素数组。
您可以将XGBoost模型导出为JSON或PMML数据格式，以更详细地检查此机器。