交流群:462197261站长百科站长论坛热门标签收藏本站北冥有鱼 互联网前沿资源第一站 助力全行业互联网+
点击这里给我发消息
  • 当前位置:
  • sklearn的predict

    北冥有鱼 教程大全 2020-06-28 ,

    发现个很有用的方法——predict_proba

    今天在做数据预测的时候用到了,感觉很不错,所以记录分享一下,以后可能会经常用到。

    我的理解:predict_proba不同于predict,它返回的预测值为,获得所有结果的概率。(有多少个分类结果,每行就有多少个概率,以至于它对每个结果都有一个可能,如0、1就有两个概率)

    举例:

    获取数据及预测代码:

    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)

    训练数据

    [[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]]

    训练结果,与训练数据一一对应:

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

    测试数据:

    [[4 3 0]  #测试数据
     [3 0 4]
     [2 9 5]
     [2 8 5]]

    测试结果,与测试数据一一对应:

    [[0.48753831 0.51246169] 
     [0.58182694 0.41817306]
     [0.85361393 0.14638607]
     [0.57018655 0.42981345]]

    可以看出,有四行两列,每行对应一条预测数据,两列分别对应 对于0、1的预测概率(左边概率大于0.5则为0,反之为1)

    我们来看看使用predict方法获得的结果:

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

    输出结果:[1,0,0,0]

    所以有的情况下predict_proba还是很有用的,它可以获得对每种可能结果的概率,使用predict则是直接获得唯一的预测结果,所以在使用的时候,应该灵活使用。

    补充一个知识点:关于预测结果标签如何与原来标签相对应

    predict_proba返回所有标签值可能性概率值,这些值是如何排序的呢?

    返回模型中每个类的样本概率,其中类按类self.classes_进行排序。

    其中关键的步骤为numpy的unique方法,即通过np.unique(Label)方法,对Label中的所有标签值进行从小到大的去重排序。得到一个从小到大唯一值的排序。这也就对应于predict_proba的行返回结果。

    补充知识: python sklearn decision_function、predict_proba、predict

    看代码~

    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))
    '''
    对于n分类,会有n个分类器,然后,任意两个分类器都可以算出一个分类界面,这样,用decision_function()时,对于任意一个样例,就会有n*(n-1)/2个值。
    任意两个分类器可以算出一个分类界面,然后这个值就是距离分类界面的距离。
    我想,这个函数是为了统计画图,对于二分类时最明显,用来统计每个点离超平面有多远,为了在空间中直观的表示数据以及画超平面还有间隔平面等。
    decision_function_shape="ovr"时是4个值,为ovo时是6个值。
    '''
    print(clf.predict(X))
    clf.predict_proba(X) #这个是得分,每个分类器的得分,取最大得分对应的类。
    #画图
    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()]) #对坐标风格上的点进行预测,来画分界面。其实最终看到的类的分界线就是分界面的边界线。
    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为0或者1,两个类
      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()

    以上这篇sklearn的predict_proba使用说明就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持北冥有鱼。


    广而告之:
    热门推荐:
    asp javascript 实现关闭窗口时保存数据的办法

    关闭窗口时保存数据的办法 <SCRIPT language="javascript">    function IfWindowClosed()    {        var win = null;      try      {        window.opener.name = ···

    多个有inline-block的div的间距与编程的写法有差异

    在学习inline-block时我发现多个有border、inline-block的div的间距会根据编程的写法有差异,当书写为: 复制代码代码如下: <div>.......</div> <div>.......</div> 这时div之间是无间距的。 若书写为: 复制代码代码如下: <div>.....···

    DEDECMS调用特定ID文章内容的实现方法

    {dede:loop table='dede_addonarticle' sort='aid' row='8' if='aid=524'} [field:body/] <hr> [field:body function="Html2Text(cn_substr('@me',200))" /] {/dede:loop}    代码解···

    Visual Studio 2015和 .NET Core安装教程

    安装 Visual Studio 和 .NET Core 1、安装 Visual Studio Community 2015,选择 Community 下载并执行默认安装,Visual Studio 2015 安装程序首页 2、安装.NET Core + Visual Studio 工具,windows系统的可以从这里下载 创建 Web 应用程序 1、起始页 点击 新建项目(或 文件→新···

    JS短信验证码倒计时功能的实现(没有验证码,只有倒计时)

    1、功能描述   当用户想要获取验证码时,就点击 免费获取验证码 ,然后开始倒计时,倒计时期间按钮文字为剩余时间x秒,且不可按状态,倒计时结束后,按钮更改为点击重新发送。 2、分析   必须用到定时器。按钮点击后,在定时器内做出判断。倒计时60秒,到0结束。 3、代码实···

    thinkPHP5框架导出Excel文件简单操作示例

    本文实例讲述了thinkPHP5框架导出Excel文件简单操作。分享给大家供大家参考,具体如下: 1. 首先安装PHPExcel 这里用composer安装 composer require phpoffice/phpexcel 2. 在控制类引用 use PHPExcel_IOFactory; use PHPExcel; 3. 在控制其中书写导出方法 /** * 导出···

    AugularJS从入门到实践(必看篇)

    前 言 前端 AngularJS是为了克服HTML在构建应用上的不足而设计的。(引用百度百科) AngularJS使用了不同的方法,它尝试去补足HTML本身在构建应用方面的缺陷。AngularJS通过使用我们称为指令(directives)的结构,让浏览器能够识别新的语法。(引用百度百科) 例如: 使用双大···

    html滚动条 textarea属性设置

    1.overflow内容溢出时的设置(设定被设定对象是否显示滚动条) overflow-x水平方向内容溢出时的设置 overflow-y垂直方向内容溢出时的设置 以上三个属性设置的值为visible(默认值)、scroll、hidden、auto。 2.scrollbar-3d-light-color立体滚动条亮边的颜色(设置滚动条···

    MySQL数据库同时查询更新同一张表的方法

    在平常的项目中,经常会碰到这样的问题:我需要在一张标中同时更新和查询出来的数据。例如:有如下图一张表数据,现在需要更新操作为:把status=1的name值更新为id=2的name值 通常情况下我们会想到如下语句来实现这个需求: UPDATE tb_testSET NAME = ( SELECT NAME FROM tb_t···

    javascript 带有滚动条的表格,标题固定,带排序功能.

    复制代码 代码如下://使用要求: //1.将表格的Class命名为:sorttableHold, //2.表格放置在一个div中,此div设有overflow属性. //3.表格要求有ID,div要求有ID //4.要有JQuery.min.js文件 //5.OK. addEvent(window, "load", sortables_init); var SORT_COLUMN_INDEX; func···