sklearn中predict()与predict_proba()用法区别

sklearn中predict()与predict_proba()用法区别

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。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

# conding :utf-8    from sklearn.linear_model import LogisticRegression  import numpy as np  x_train = np.array([[1,2,3],                      [1,3,4],                      [2,1,2],                      [4,5,6],                      [3,5,3],                      [1,7,2]])      y_train = np.array([3, 3, 3, 2, 2, 2])      x_test = np.array([[2,2,2],                     [3,2,6],                     [1,7,4]])      clf = LogisticRegression()  clf.fit(x_train, y_train)      # 返回预测标签  print(clf.predict(x_test))  # [2 3 2]         # 返回预测属于某标签的概率  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