python predict_proba_sklearn的predict_proba使用说明

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：

训练数据

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：

测试结果，与测试数据一一对应：

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。

补充知识：python sklearn decision_function、predict_proba、predict

看代码~

以上这篇sklearn的predict_proba使用说明就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。

原文链接：https://blog.csdn.net/qq_36523839/article/details/80405455