scikit-learn return LogisticRegression.predict_proba 的值
scikit-learn return value of LogisticRegression.predict_proba
LogisticRegression.predict_proba 函数 return 的具体作用是什么？
在我的示例中，我得到如下结果：
[[ 4.65761066e-03 9.95342389e-01]
[ 9.75851270e-01 2.41487300e-02]
[ 9.99983374e-01 1.66258341e-05]]
根据其他计算，使用 sigmoid 函数，我知道第二列是概率。 documentation 说，第一列是 n_samples，但这不可能，因为我的样本是评论，是文本而不是数字。文档还说，第二列是 n_classes。这当然不可能，因为我只有两个 classes（即 +1 和 -1），并且该函数应该是计算样本真正属于 [=] 的概率27=]，而不是 classes 本身。
第一列到底是什么，为什么会有？
4.65761066e-03 + 9.95342389e-01 = 1
9.75851270e-01 + 2.41487300e-02 = 1
9.99983374e-01 + 1.66258341e-05 = 1
第一列是条目具有 -1 标签的概率，第二列是条目具有 +1 标签的概率。请注意 类 的顺序与 self.classes_.
中的顺序相同
如果你只想得到正标签的预测概率，你可以使用logistic_model.predict_proba(data)[:,1]。这将为您提供 [9.95342389e-01, 2.41487300e-02, 1.66258341e-05] 结果。
LogisticRegression.predict_proba 函数 return 的具体作用是什么？
在我的示例中，我得到如下结果：
[[ 4.65761066e-03 9.95342389e-01]
[ 9.75851270e-01 2.41487300e-02]
[ 9.99983374e-01 1.66258341e-05]]
根据其他计算，使用 sigmoid 函数，我知道第二列是概率。 documentation 说，第一列是 n_samples，但这不可能，因为我的样本是评论，是文本而不是数字。文档还说，第二列是 n_classes。这当然不可能，因为我只有两个 classes（即 +1 和 -1），并且该函数应该是计算样本真正属于 [=] 的概率27=]，而不是 classes 本身。
第一列到底是什么，为什么会有？
4.65761066e-03 + 9.95342389e-01 = 1
9.75851270e-01 + 2.41487300e-02 = 1
9.99983374e-01 + 1.66258341e-05 = 1
第一列是条目具有 -1 标签的概率，第二列是条目具有 +1 标签的概率。请注意 类 的顺序与 self.classes_.
如果你只想得到正标签的预测概率，你可以使用logistic_model.predict_proba(data)[:,1]。这将为您提供 [9.95342389e-01, 2.41487300e-02, 1.66258341e-05] 结果。