sklearn的predict_proba

发现个很有用的方法——predict_proba

今天在做数据预测的时候用到了，感觉很不错，所以记录分享一下，以后可能会经常用到。

我的理解：predict_proba不同于predict，它返回的预测值为，获得所有结果的概率。（有多少个分类结果，每行就有多少个概率，以至于它对每个结果都有一个可能，如0、1就有两个概率）

举例：

获取数据及预测代码：

from sklearn.linear_model import LogisticRegression
import numpy as np

train_X = np.array(np.random.randint(0,10,size=30).reshape(10,3))
train_y = np.array(np.random.randint(0,2,size=10))
test_X = np.array(np.random.randint(0,10,size=12).reshape(4,3))

model = LogisticRegression()
model.fit(train_X,train_y)
test_y = model.predict_proba(test_X)

print(train_X)
print(train_y)
print(test_y)

训练数据

[[2 9 8]
 [0 8 5]
 [7 1 2]
 [8 4 6]
 [8 8 3]
 [7 2 7]
 [6 4 3]
 [1 4 4]
 [1 9 3]
 [3 4 7]]

训练结果，与训练数据一一对应：

[1 1 1 0 1 1 0 0 0 1]

 

测试数据：

[[4 3 0]        #测试数据
 [3 0 4]
 [2 9 5]
 [2 8 5]]

测试结果，与测试数据一一对应：

[[0.48753831 0.51246169]    
 [0.58182694 0.41817306]
 [0.85361393 0.14638607]
 [0.57018655 0.42981345]]

 

可以看出，有四行两列，每行对应一条预测数据，两列分别对应 对于0、1的预测概率（左边概率大于0.5则为0，反之为1）

 

 

我们来看看使用predict方法获得的结果：

test_y = model.predict(test_X)
print(test_y)

输出结果：[1,0,0,0]

所以有的情况下predict_proba还是很有用的，它可以获得对每种可能结果的概率，使用predict则是直接获得唯一的预测结果，所以在使用的时候，应该灵活使用。

 

补充一个知识点：关于预测结果标签如何与原来标签相对应

predict_proba返回所有标签值可能性概率值，这些值是如何排序的呢？

返回模型中每个类的样本概率，其中类按类self.classes_进行排序。

其中关键的步骤为numpy的unique方法，即通过np.unique(Label)方法，对Label中的所有标签值进行从小到大的去重排序。得到一个从小到大唯一值的排序。这也就对应于predict_proba的行返回结果。