python - 如何在 clf.predict_proba(X_test) 中获得更多小数？

Question

我有一个 pandas 数据框，用于二元分类案例(类别 A 和类别 B)。为了获得 X_train、X_test、y_train、y_test，我按 70:30 拆分，如下所示:

from sklearn.model_selection import train_test_split
target = pd.DataFrame(data['good'])
features = data.drop('good', axis=1)
X_train, X_test, y_train, y_test = train_test_split(features, 
                                                    target, 
                                                    test_size = 0.3, 
                                                    random_state = 0)

然后我用这段代码做了 RandomForest 分类器

from sklearn.ensemble import RandomForestClassifier
clf = RandomForestClassifier(n_jobs=2, random_state=0)
model = clf.fit(X_train, y_train)

像往常一样，您可以通过执行 clf.predict(X_test) 来获得预测。它给出这样的 numpy.ndarray 对象

array(['0', '0', '1', '0', '0', '1', '0', '1', '1', '1'], dtype=object)

然后，我想通过clf.predict_proba(X_test)计算预测概率，结果是

array([[ 0.7  ,  0.3  ],
       [ 0.8  ,  0.2  ],
       [ 0.4  ,  0.6  ],
       [ 0.8  ,  0.2  ],
       [ 0.5  ,  0.5  ],
       [ 0.1  ,  0.9  ],
       [ 0.5  ,  0.5  ],
       [ 0.3  ,  0.7  ],
       [ 0.3  ,  0.7  ],
       [ 0.5  ,  0.5  ]])

我想在 clf.predict_proba(X_test) 输出中获得更多小数。 (我预计 3 位小数)例如，

array([[ 0.712  ,  0.288  ],
       [ 0.845  ,  0.155  ... etc

如果答案也将 clf.predict(X_test) 和 clf.predict_proba(X_test) 转换并合并到 pandas dataframe 会更好，因为我会继续计算GINI指数。提前致谢

Answer 1

增加模型参数中的“n_estimators”(好像您已将其设置为默认值 10)。