sklearn中predict與predict_proba區(qū)別是什么-創(chuàng)新互聯(lián)

創(chuàng)新互聯(lián)www.cdcxhl.cn八線動(dòng)態(tài)BGP香港云服務(wù)器提供商，新人活動(dòng)買多久送多久，劃算不套路！

創(chuàng)新互聯(lián)成立于2013年，是專業(yè)互聯(lián)網(wǎng)技術(shù)服務(wù)公司，擁有項(xiàng)目網(wǎng)站建設(shè)、成都網(wǎng)站建設(shè)網(wǎng)站策劃，項(xiàng)目實(shí)施與項(xiàng)目整合能力。我們以讓每一個(gè)夢(mèng)想脫穎而出為使命，1280元永年做網(wǎng)站,已為上家服務(wù),為永年各地企業(yè)和個(gè)人服務(wù),聯(lián)系電話:13518219792

這篇文章將為大家詳細(xì)講解有關(guān)sklearn中predict與predict_proba區(qū)別是什么，小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

predict_proba 返回的是一個(gè) n 行 k 列的數(shù)組，列是標(biāo)簽（有排序）， 第 i 行 第 j 列上的數(shù)值是模型預(yù)測(cè) 第 i 個(gè)預(yù)測(cè)樣本為某個(gè)標(biāo)簽的概率，并且每一行的概率和為1。

predict 直接返回的是預(yù)測(cè) 的標(biāo)簽。

具體見下面示例：

# conding :utf-8 
from sklearn.linear_model import LogisticRegression 
import numpy as np 
x_train = np.array([[1,2,3], 
          [1,3,4], 
          [2,1,2], 
          [4,5,6], 
          [3,5,3], 
          [1,7,2]]) 
 
y_train = np.array([3, 3, 3, 2, 2, 2]) 
 
x_test = np.array([[2,2,2], 
          [3,2,6], 
          [1,7,4]]) 
 
clf = LogisticRegression() 
clf.fit(x_train, y_train) 
 
# 返回預(yù)測(cè)標(biāo)簽 
print(clf.predict(x_test)) 
 
# 返回預(yù)測(cè)屬于某標(biāo)簽的概率 
print(clf.predict_proba(x_test)) 
 
# [2 3 2] 
#
# [[0.56651809 0.43348191] 
# [0.15598162 0.84401838] 
# [0.86852502 0.13147498]] 
# 分析結(jié)果： 
# 標(biāo)簽是 2，3 共兩個(gè)，所以predict_proba返回的為2列，且是排序的（第一列為標(biāo)簽2，第二列為標(biāo)簽3），
# 返回矩陣的行數(shù)是測(cè)試樣本個(gè)數(shù) 因此為3行
# 預(yù)測(cè)[2,2,2]的標(biāo)簽是2的概率為0.56651809，3的概率為0.43348191 
# 
# 預(yù)測(cè)[3,2,6]的標(biāo)簽是2的概率為0.15598162，3的概率為0.84401838 
# 
# 預(yù)測(cè)[1,7,4]的標(biāo)簽是2的概率為0.86852502，3的概率為0.13147498 

新聞名稱：sklearn中predict與predict_proba區(qū)別是什么-創(chuàng)新互聯(lián)
本文地址：http://muchs.cn/article22/hescc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供靜態(tài)網(wǎng)站、小程序開發(fā)、網(wǎng)站設(shè)計(jì)公司、企業(yè)網(wǎng)站制作、手機(jī)網(wǎng)站建設(shè)、外貿(mào)網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)