我正在研究一个具有不平衡类（10:1）的二元分类问题。由于对于二元分类，XGBoost 的目标函数是'binary:logistic'，所以应该很好地校准概率。但是，我得到了一个非常令人费解的结果：

xgb_clf = xgb.XGBClassifier(n_estimators=1000, 
                            learning_rate=0.01, 
                            max_depth=3, 
                            subsample=0.8, 
                            colsample_bytree=1, 
                            gamma=1, 
                            objective='binary:logistic', 
                            scale_pos_weight = 10)

y_score_xgb = cross_val_predict(estimator=xgb_clf, X=X, y=y, method='predict_proba', cv=5)

plot_calibration_curves(y_true=y, y_prob=y_score_xgb[:,1], n_bins=10)

这似乎是一条“不错的”（线性）可靠性曲线，但是斜率小于 45 度。

这是分类报告：

但是，如果我进行校准，生成的曲线看起来会更糟：

calibrated = CalibratedClassifierCV(xgb_clf, method='sigmoid', cv=5)

y_score_xgb_clb = cross_val_predict(estimator=calibrated, X=X, y=y, method='predict_proba', cv=5)

plot_calibration_curves(y_true=y, y_prob=y_score_xgb_clb[:,1], n_bins=10)

更奇怪的是，输出的概率现在限制在 ~0.75（我没有得到高于 0.75 的分数）。

我的方法有什么建议/缺陷吗？