Sklearn LogisticRegression predict_proba结果看起来很奇怪
我对SKlearn,机器学习及其相关领域颇为陌生。我搜索了一天,但仍然无法找出答案。Sklearn LogisticRegression predict_proba结果看起来很奇怪
model = LogisticRegression(C=1) model.fit(X, y)
print(model.predict_proba(X_test))
// output
[[ 1.01555532e-08 2.61926230e-01 7.37740949e-01 3.32810963e-04]]
我很困惑输出是否正确。当我尝试使用相同数据集的SVM时,我得到了[[ 0.21071225 0.42531172 0.01024818 0.35372784]]
,这看起来像是概率,而这正是我想要的。我怎样才能让LogisticRegression模型获得像SVM一样的概率风格?我误解了什么?
回答:
这只是印刷风格!
看一看这个演示:
代码:
import numpy as np p = np.array([[ 1.01555532e-08, 2.61926230e-01, 7.37740949e-01, 3.32810963e-04]])
print('p: ', p)
print('sum: ', p.sum()) # approximately a probability-distribution?
np.set_printoptions(suppress=True)
print('p: ', p) # same print as above
# but printing-style was changed before!
输出:
p: [[1.01555532e-08 2.61926230e-01 7.37740949e-01 3.32810963e-04]] sum: 1.0000000001185532
p: [[0.00000001 0.26192623 0.73774095 0.00033281]]
numpy的使用了大量的代码,再决定如何打印您阵列,这取决于里面的值!在这里,我们改变了一些东西,使用np.set_printoptions。
你的输出看起来不一样,因为你的SVM预测的输出没有很小的值,就像另一个那样!
抑制:BOOL,可选
无论使用压制科学记数法(默认为false)小浮点值的打印。
运用科学的记法也适用于Python的类型:
x = 0.00000001 print(x)
# 1e-08
以上是 Sklearn LogisticRegression predict_proba结果看起来很奇怪 的全部内容, 来源链接: utcz.com/qa/257627.html