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。