个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
24
4
我训练了一个简单的随机森林分类器，然后当我使用相同的测试输入测试预测时:
rf_clf.predict([[50,0,500,0,20,0,250000,1.5,110,0,0,2]])
rf_clf.predict_proba([[50,0,500,0,20,0,250000,1.5,110,0,0,2]])
第一行返回array([1.])，而第二行返回array([[0.14, 0.86]])，其中预测是第一个 float 0.14 对吧？
这两个怎么不匹配？我有点困惑。谢谢。
最佳答案
predict() 函数返回特征所属的类，predict_proba() 函数返回特征属于不同输出类的概率。
示例:predict() 函数的输出给出的结果是该特征属于第 1 类(即 array([1.])
predict_proba() 函数的输出为您提供属于每个输出类数组的特征的概率 ([[0.14, 0.86]])。特征属于类别 0 的概率为 14%，特征属于类别 1 的概率为 86%。
关于python - 为什么随机森林分类器 .predict() 和 .predict_proba() 的预测不匹配？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/67554970/
24
4
0
假设我的标记数据有两个类 1 和 0。当我在测试集上运行 Predict_proba 时，它返回一个包含两列的数组。哪一列对应哪个类？ 最佳答案 第 0 列对应于类 0，第 1 列对应于类 1。 关于
只是一个简单的问题，如果我想将对象分类为 0 或 1，但我希望模型返回一个“可能性”概率，例如，如果一个对象是 0.7，这意味着它有 0.7 的机会进入第 1 类，我是做回归还是坚持使用分类器并使用
我想通过交叉验证从逻辑回归模型预测概率。我知道您可以获得交叉验证分数，但是否可以从 predict_proba 返回值而不是分数？ # imports from sklearn.linear_mode
我在我的数据集上训练了一个 RandomForestClassifier，可以从文本正文中预测 8 个不同的主题。对于给定示例，数据集如下所示 X_train = [[0,0,0,0,0,1,0,0,
我正在使用 Python 的 sklearn 对文本进行分类。 我调用函数 predict_proba，它看起来像这样: [[ 6.74918834e-53 1.59981248e-51 2
我正在使用 scikit-learn 通过逻辑回归来实现分类。使用 predict() 函数预测类标签，而使用 predict_proba() 函数打印预测概率。 下面粘贴了代码片段: # Parti
我正在处理一个多类、高度不平衡的分类问题。我使用随机森林作为基础分类器。 我必须在考虑多个标准(指标:精度、召回 conf_matrix、roc_auc)的情况下给出模型性能报告。 模型火车: rf
我使用 Scikit-learn 和 XGBoost 在同一数据上训练了 2 个梯度提升模型。 Scikit-learn 模型 GradientBoostingClassifier( n_es
scikit-learn 的 DecisionTreeClassifier 支持通过 predict_proba() 函数预测每个类的概率。 DecisionTreeRegressor 中不存在这一点
所以我使用 sci-kit learns RandomForestClassifier 将天文来源的数据分为三类。为了让我的问题更简单，我在测试集中仅使用了两个来源，并获得了 predict_prob
我正在使用 sklearn 库来训练和测试我的数据。 targetDataCsv = pd.read_csv("target.csv","rt")) testNormalizedCsv = csv.
我试图通过调用 Keras 模型的 predict_proba() 生成类(class)分数，但似乎没有这个函数!它是否因为我在谷歌中看到一些例子而被弃用？我正在使用 Keras 2.2.2。 最佳答
运行Python 3.7.3 我制作了一个简单的 GMM 并将其拟合到一些数据。使用predict_proba方法，返回的是1和0，而不是属于每个高斯的输入的概率。 我最初在更大的数据集上尝试过这个，
在docs , predict_proba(self, x, batch_size=32, verbose=1) 是 Generates class probability predictions f
我正在尝试使用LinearSVC 分类器 更新:添加了导入 import nltk from nltk.tokenize import word_tokenize from nltk.classify
这是来自 How to know what classes are represented in return array from predict_proba in Scikit-learn 的后续
我有许多类和对应的特征向量，当我运行 predict_proba() 时，我会得到这个: classes = ['one','two','three','one','three'] feature =
我正在尝试了解如何 sklearn's MLP Classifier检索其 predict_proba 函数的结果。 该网站仅列出: Probability estimates 还有很多其他的，例如
predict_proba 返回神经网络中的误差 我在这个链接上看到了例子 https://machinelearningmastery.com/how-to-make-classification-
我训练了一个简单的随机森林分类器，然后当我使用相同的测试输入测试预测时: rf_clf.predict([[50,0,500,0,20,0,250000,1.5,110,0,0,2]]) rf_clf
我是一名优秀的程序员,十分优秀！