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：
from sklearn.linear_model import LogisticRegression 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
[[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：
[[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：
[[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）
扫描二维码关注公众号，回复：
1498249 查看本文章
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。