sklearn 使用 prob_a 进行逻辑二元分类答案

【问题标题】：sklearn use prob_a to for logistic binary classificationsklearn 使用 prob_a 进行逻辑二元分类
【发布时间】：2016-03-18 17:44:17
【问题描述】：

有没有办法报告sklearn模型二元分类模型的期望值？在previous question 有人推荐predict_proba。我期待一个类似于 xgboost 包"objective": "binary:logistic" 参数的输出。但是，这似乎不会产生预期的结果。我的 Y 火车值是谨慎的。

我对@987654324@ 的输出感到困惑。由于我只有一个目标，我期望返回单列预测。但是，这会返回两列，并且这些列的总和为一。这些值似乎与模型实际预测的值并不对应：

In [27]: modl.predict(X_test)
Out[27]: array([0, 0, 0, ..., 0, 0, 0])

In [28]: modl.predict_proba(X_test)
Out[28]: 
array([[ 0.6,  0.4],
       [ 0.7,  0.3],
       [ 1. ,  0. ],
       ..., 
       [ 1. ,  0. ],
       [ 0.9,  0.1],
       [ 0.8,  0.2]])

【问题讨论】：

标签： python scikit-learn classification

【解决方案1】：

predict_proba 的输出数组中的列是分类器预测的不同标签的概率。在你的例子中，你已经构建了一个二元分类器，所以第一列modl.predict_proba(X_test)[:,0] 是标签为0 的概率，第二列modl.predict_proba(X_test)[:,1] 是标签为1 的概率。

【讨论】：