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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
import numpy as np train_X = np.array(np.random.randint(0,10,size=30).reshape(10,3))train_y = np.array(np.random.randint(0,2,size=10))test_X = np.array(np.random.randint(0,10,size=12).reshape(4,3)) model = LogisticRegression()model.fit(train_X,train_y)test_y = model.predict_proba(test_X) print(train_X)print(train_y)print(test_y) |
训练数据
|
1
2
3
4
5
6
7
8
9
10
|
[[2 9 8] [0 8 5] [7 1 2] [8 4 6] [8 8 3] [7 2 7] [6 4 3] [1 4 4] [1 9 3] [3 4 7]] |
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：
|
1
2
3
4
|
[[4 3 0] #测试数据 [3 0 4] [2 9 5] [2 8 5]] |
测试结果，与测试数据一一对应：
|
1
2
3
4
|
[[0.48753831 0.51246169] [0.58182694 0.41817306] [0.85361393 0.14638607] [0.57018655 0.42981345]] |
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~
|
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
36
37
38
39
40
41
42
43
44
|
import matplotlib.pyplot as pltimport numpy as npfrom sklearn.svm import SVCX = np.array([[-1,-1],[-2,-1],[1,1],[2,1],[-1,1],[-1,2],[1,-1],[1,-2]])y = np.array([0,0,1,1,2,2,3,3])# y=np.array([1,1,2,2,3,3,4,4])# clf = SVC(decision_function_shape="ovr",probability=True)clf = SVC(probability=True)clf.fit(X, y)print(clf.decision_function(X))'''对于n分类，会有n个分类器，然后，任意两个分类器都可以算出一个分类界面，这样，用decision_function()时，对于任意一个样例，就会有n*(n-1)/2个值。任意两个分类器可以算出一个分类界面，然后这个值就是距离分类界面的距离。我想，这个函数是为了统计画图，对于二分类时最明显，用来统计每个点离超平面有多远，为了在空间中直观的表示数据以及画超平面还有间隔平面等。decision_function_shape="ovr"时是4个值，为ovo时是6个值。'''print(clf.predict(X))clf.predict_proba(X) #这个是得分,每个分类器的得分，取最大得分对应的类。#画图plot_step=0.02x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1xx, yy = np.meshgrid(np.arange(x_min, x_max, plot_step), np.arange(y_min, y_max, plot_step)) Z = clf.predict(np.c_[xx.ravel(), yy.ravel()]) #对坐标风格上的点进行预测，来画分界面。其实最终看到的类的分界线就是分界面的边界线。Z = Z.reshape(xx.shape)cs = plt.contourf(xx, yy, Z, cmap=plt.cm.Paired)plt.axis("tight") class_names="ABCD"plot_colors="rybg"for i, n, c in zip(range(4), class_names, plot_colors): idx = np.where(y == i) #i为0或者1，两个类 plt.scatter(X[idx, 0], X[idx, 1], c=c, cmap=plt.cm.Paired, label="Class %s" % n)plt.xlim(x_min, x_max)plt.ylim(y_min, y_max)plt.legend(loc='upper right')plt.xlabel('x')plt.ylabel('y')plt.title('Decision Boundary')plt.show() |
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
