sklearn中的predict与predict_proba的区别（得到各条记录每个标签的概率（支持度））

假定在一个k分类问题中，测试集中共有n个样本。则：

    predict返回的是一个大小为n的一维数组，一维数组中的第i个值为模型预测第i个预测样本的标签；

    predict_proba返回的是一个n行k列的数组，第i行第j列上的数值是模型预测第i个预测样本的标签为j的概率。此

                            时每一行的和应该等于1。

 

举个例子：

>>> 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([0, 0, 0, 1, 1, 1])

>>> x_test = np.array([[2,2,2],[3,2,6],[1,7,4]])

>>> clf = LogisticRegression()

>>> clf.fit(x_train, y_train)

# 返回预测标签

>>> clf.predict(x_test)

array([1, 0, 1])

# 返回预测属于某标签的概率

>>> clf.predict_proba(x_test)

array([[ 0.43348191, 0.56651809],[ 0.84401838, 0.15598162],[ 0.13147498, 0.86852502]])

 

 

预测[2,2,2]的标签是0的概率为0.43348191，1的概率为0.56651809

预测[3,2,6]的标签是0的概率为0.84401838，1的概率为0.15598162

预测[1,7,4]的标签是0的概率为0.13147498，1的概率为0.86852502

 

所以，若希望预测结果直接是某预测标签，则用predict

若希望预测结果是标签的概率则用predict_proba