sklearn的predict_proba使用說明

更新時間：2020年06月28日 11:51:37 作者：不論如何未來很美好

這篇文章主要介紹了sklearn的predict_proba使用說明，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

發(fā)現(xiàn)個很有用的方法——predict_proba

今天在做數(shù)據(jù)預(yù)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(jīng)常用到。

我的理解：predict_proba不同于predict，它返回的預(yù)測值為，獲得所有結(jié)果的概率。（有多少個分類結(jié)果，每行就有多少個概率，以至于它對每個結(jié)果都有一個可能，如0、1就有兩個概率）

舉例：

獲取數(shù)據(jù)及預(yù)測代碼：

from sklearn.linear_model import LogisticRegression
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(xùn)練數(shù)據(jù)

[[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(xùn)練結(jié)果，與訓(xùn)練數(shù)據(jù)一一對應(yīng)：

[1 1 1 0 1 1 0 0 0 1]

測試數(shù)據(jù)：

[[4 3 0]  #測試數(shù)據(jù)
 [3 0 4]
 [2 9 5]
 [2 8 5]]

測試結(jié)果，與測試數(shù)據(jù)一一對應(yīng)：

[[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(yīng)一條預(yù)測數(shù)據(jù)，兩列分別對應(yīng) 對于0、1的預(yù)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(jié)果：

test_y = model.predict(test_X)
print(test_y)

輸出結(jié)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(jié)果的概率，使用predict則是直接獲得唯一的預(yù)測結(jié)果，所以在使用的時候，應(yīng)該靈活使用。

補充一個知識點：關(guān)于預(yù)測結(jié)果標簽如何與原來標簽相對應(yīng)

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(guān)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(yīng)于predict_proba的行返回結(jié)果。

補充知識： python sklearn decision_function、predict_proba、predict

看代碼~

import matplotlib.pyplot as plt
import numpy as np
from sklearn.svm import SVC
X = 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(shù)是為了統(tǒng)計畫圖，對于二分類時最明顯，用來統(tǒng)計每個點離超平面有多遠，為了在空間中直觀的表示數(shù)據(jù)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(yīng)的類。
#畫圖
plot_step=0.02
x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
xx, 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(fēng)格上的點進行預(yù)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()