假设我创建了一个模型，并且我的目标变量是0, 1 or 2。看来如果我使用predict，答案是 0、1 或 2。但是如果我使用predict_proba，我得到一行，每行 3 列，如下所示，例如
model = ... Classifier # It could be any classifier
m1 = model.predict(mytest)
m2= model.predict_proba(mytest)
# Now suppose m1[3] = [0.6, 0.2, 0.2]
假设我同时使用预测和predict_proba。如果在索引 3 中，我得到上述结果，结果为predict_proba，在预测结果的索引 3 中我应该看到 0。是这样吗？我想了解如何使用两者predict and predict_proba同一模型上的相互关联。
-
predict()用于预测实际班级（在你的情况下之一0, 1, or 2).
-
predict_proba()用于预测类别概率
从您共享的示例输出中，
-
predict()将输出类0因为类别概率为0 is 0.6.
-
[0.6, 0.2, 0.2]的输出是predict_proba这只是表示类的类概率0, 1, and 2 are 0.6, 0.2, and 0.2分别。
现在正如文档提到的predict_proba，生成的数组根据您使用的标签进行排序：
所有类的返回估计值按标签排序
类。
因此，在您的班级标签是的情况下[0, 1, 2]，相应的输出predict_proba将包含相应的概率。0.6是实例被分类为的概率0 and 0.2是实例被分类为的概率1 and 2分别。
更全面的解释可以参考文章scikit-learn中predict()和predict_proba()有什么区别 https://towardsdatascience.com/predict-vs-predict-proba-scikit-learn-bdc45daa5972 on TDS.
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
