何时会有predict()，何时又有predict_proba()

诺，你经常见的说两者的区别，但是没给答案，抱歉我也没确切答案只有实践；

https://www.cnblogs.com/mrtop/p/10309083.html

不纠结了先给我确定的答案，理解比较片面；

1、首先要分清使用的是sklearn接口形式还是原生形式；

以lightGBM举例：摘于以下内容

https://www.jianshu.com/p/623ef31f186e

链接内sklearn接口形式的代码如下：

我们可以看出他确实是使用的sklearn接口形式，却还是没有predict_proba()的选择，方案如下；

 

import lightgbm as lgb
import pandas as pd
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import GridSearchCV
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.datasets import  make_classification
# 加载数据
print('Load data...')

iris = load_iris()
data=iris.data
target = iris.target
X_train,X_test,y_train,y_test =train_test_split(data,target,test_size=0.2)

print('Start training...')
# 创建模型，训练模型
gbm = lgb.LGBMRegressor(objective='regression',num_leaves=31,learning_rate=0.05,n_estimators=20)
gbm.fit(X_train, y_train,eval_set=[(X_test, y_test)],eval_metric='l1',early_stopping_rounds=5)

print('Start predicting...')
# 测试集预测
y_pred = gbm.predict(X_test, num_iteration=gbm.best_iteration_)
# 自己试predict_proba()

 

2、我们这时候有两个办法可以出现predict_proba()，不要问我原因问就是原因1哈哈哈哈

如果你坚持还用回归的话，我是选择这样子，就可以调用出predict_proba()

# 创建模型，训练模型

gbm = LGBMRegressor(objective='regression',num_leaves=31,learning_rate=0.05,n_estimators=20)
gbm.fit(X_train, y_train,eval_set=[(X_test, y_test)],eval_metric='l1',early_stopping_rounds=5)

如果你发现用分类也不错的话，我是选择这样子，就可以调用出predict_proba()

# 创建模型，训练模型
gbm = lgb.LGBMClassifier(objective='multiclass',num_leaves=31,learning_rate=0.05,n_estimators=20)
gbm.fit(X_train, y_train,eval_set=[(X_test, y_test)],early_stopping_rounds=5)

哎，实践出来的，就是不明白原因，如果你也有此疑惑，望评论区给答案！！！

就此谢过！