R代码实现XGBoost的二分类，并将预测概率值输出到CSV文件中

在R语言中，我们可以使用xgboost库来实现二分类任务并保存预测的概率值。首先，你需要安装`xgboost`和`caret`包，可以使用以下命令：

install.packages("xgboost")
install.packages("caret")

然后加载所需的包：

library(xgboost)
library(caret)

假设你已经有了训练数据集`df_train`，特征变量存储在`X_train`，目标变量在`y_train`，你可以创建模型如下：

# 参数设置
set.seed(123)  # 设置随机种子保证结果可复现
params <- list(
  objective = "binary:logistic",  # 使用二分类对数损失函数
  max_depth = 3,  # 树的最大深度
  nthread = parallel::detectCores(),  # 利用所有可用核心加速
  booster = "gbtree"  # 使用GBDT算法
)

# 训练模型
model <- xgb.train(params,
                   data = xgb.DMatrix(X_train, label = y_train),
                   num_round = 100,  # 迭代次数
                   verbose = 0)  # 静默模式

为了获取预测概率值，你需要先用测试数据`X_test`做预测：

# 预测
preds_prob <- predict(model, newdata = xgb.DMatrix(X_test), type = "response")  # 获取概率预测

最后，将预测概率保存到CSV文件：

# 将结果写入csv文件
write.csv(preds_prob, "predictions_proba.csv", row.names = FALSE)