發現個很有用的方法——predict_proba
今天在做數據預測的時候用到了，感覺很不錯，所以記錄分享一下，以后可能會經常用到。
我的理解：predict_proba不同于predict，它返回的預測值為，獲得所有結果的概率。（有多少個分類結果，每行就有多少個概率，以至于它對每個結果都有一個可能，如0、1就有兩個概率）
舉例：
獲取數據及預測代碼：
|
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) |
訓練數據
|
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]] |
訓練結果，與訓練數據一一對應：
[1 1 1 0 1 1 0 0 0 1]
測試數據：
|
1
2
3
4
|
[[4 3 0] #測試數據 [3 0 4] [2 9 5] [2 8 5]] |
測試結果，與測試數據一一對應：
|
1
2
3
4
|
[[0.48753831 0.51246169] [0.58182694 0.41817306] [0.85361393 0.14638607] [0.57018655 0.42981345]] |
可以看出，有四行兩列，每行對應一條預測數據，兩列分別對應 對于0、1的預測概率（左邊概率大于0.5則為0，反之為1）
我們來看看使用predict方法獲得的結果：
test_y = model.predict(test_X)
print(test_y)
輸出結果：[1,0,0,0]
所以有的情況下predict_proba還是很有用的，它可以獲得對每種可能結果的概率，使用predict則是直接獲得唯一的預測結果，所以在使用的時候，應該靈活使用。
補充一個知識點：關于預測結果標簽如何與原來標簽相對應
predict_proba返回所有標簽值可能性概率值，這些值是如何排序的呢？
返回模型中每個類的樣本概率，其中類按類self.classes_進行排序。
其中關鍵的步驟為numpy的unique方法，即通過np.unique(Label)方法，對Label中的所有標簽值進行從小到大的去重排序。得到一個從小到大唯一值的排序。這也就對應于predict_proba的行返回結果。
補充知識： python sklearn decision_function、predict_proba、predict
看代碼~
|
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))'''對于n分類，會有n個分類器，然后，任意兩個分類器都可以算出一個分類界面，這樣，用decision_function()時，對于任意一個樣例，就會有n*(n-1)/2個值。任意兩個分類器可以算出一個分類界面，然后這個值就是距離分類界面的距離。我想，這個函數是為了統計畫圖，對于二分類時最明顯，用來統計每個點離超平面有多遠，為了在空間中直觀的表示數據以及畫超平面還有間隔平面等。decision_function_shape="ovr"時是4個值，為ovo時是6個值。'''print(clf.predict(X))clf.predict_proba(X) #這個是得分,每個分類器的得分，取最大得分對應的類。#畫圖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()]) #對坐標風格上的點進行預測，來畫分界面。其實最終看到的類的分界線就是分界面的邊界線。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為0或者1，兩個類 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() |
以上這篇sklearn的predict_proba使用說明就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持服務器之家。
原文鏈接：https://blog.csdn.net/qq_36523839/article/details/80405455
