sklearn使用prob_a进行逻辑二进制分类

有没有办法报告sklearn模型二元分类模型的期望值？在之前的问题中有人推荐predict_proba.我期待一个类似于xgboost包"objective": "binary:logistic"参数的输出.但是,似乎这不会产生预期的结果.我的Y列车价值是谨慎的.

我对输出感到困惑predict_proba.因为我只有一个目标,所以我期待返回一个列预测.但是,这会返回两列,这些列总和为一列.这些值似乎与模型实际预测的值不对应:

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]])

maxymoo.. 9

输出数组中的列predict_proba是分类器预测的不同标签的概率.在您的情况下,您已经构建了一个二元分类器,因此第一列modl.predict_proba(X_test)[:,0]是标签的概率,0第二列modl.predict_proba(X_test)[:,1]是标签的概率1.

输出数组中的列predict_proba是分类器预测的不同标签的概率.在您的情况下,您已经构建了一个二元分类器,因此第一列modl.predict_proba(X_test)[:,0]是标签的概率,0第二列modl.predict_proba(X_test)[:,1]是标签的概率1.