概率預測是一種預測方法，它不僅提供一個具體的預測值（如點預測），還提供預測值的概率分布或置信區間。這種方法能夠更好地捕捉預測的不確定性，適用于需要了解預測結果可靠性的場景。

NGBoost

NGBoost（Natural Gradient Boosting）是一個用于提升樹的分位數回歸和概率預測的強大庫。它通過自然梯度提升方法來優化分位數損失函數，從而能夠提供更準確的概率預測和分位數回歸。

NGBoost超參數解釋

1. n_estimators
   含義：提升樹的數量。
   作用：控制模型的復雜度和擬合能力。增加樹的數量可以提高模型性能，但也可能導致過擬合。
   默認值：通常為50或100。
2. learning_rate
   含義：學習率，用于縮放每棵樹的貢獻。
   作用：降低每棵樹的影響以防止過擬合，同時通過更多的樹逐步逼近目標。
   默認值：0.1。
3. minibatch_frac
   含義：每次迭代時使用的樣本比例（類似于隨機梯度下降中的批量大小）。
   作用：減少計算量并引入隨機性，有助于防止過擬合。
   默認值：1.0（使用所有