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。
# 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