python建模预测_常用分类预测建模算法

predict是训练后返回预测结果，是标签值。

predict_proba返回的是一个 n 行 k 列的数组， 第 i 行 第 j 列上的数值是模型预测 第 i 个预测样本为某个标签的概率，并且每一行的概率和为1。

print(clf.predict_proba(x_test))

[[0.56651809 0.43348191]

[0.15598162 0.84401838]

[0.86852502 0.13147498]]

分析结果：

预测[2,2,2]的标签是2的概率为0.56651809，3的概率为0.43348191

预测[3,2,6]的标签是2的概率为0.15598162，3的概率为0.84401838

预测[1,7,4]的标签是2的概率为0.86852502，3的概率为0.13147498

np.meshgrid()

np.meshgrid从坐标向量返回坐标矩阵。

.5 就是 0.5

这段代码中ravel函数将多维数组降为一维，仍返回array数组，元素以列排列。之后调用np.c_[]将xx.ravel()得到的列后增加以列yy.ravel()。这时每行元素变为了[[x1,y1];

[x2,y2]

……]

这里的xx，yy使用np.meshgrid得到的坐标轴，所以上面那段代码实际上执行了对坐标轴上所以位置的[x, y]的预测。

要画出等高线，核心函数是plt.contourf()，但在这个函数中输入的参数是x,y对应的网格数据以及此网格对应的高度值

python matplotlib可通过下列方式调色（生成camp）：

cmap = mpl.colors.ListedColormap(list),

clist有三种方式：（1）给出颜色的英文名，（2）给出归一化的r,g,b值，比如(255/255,13/255,182/255)，这样就不需要引号,（3）给出16进制码，比如' #054E9F'，其中每两位16进制码对应r,g,b数值