sklearn使用prob_a进行逻辑二进制分类

Question

有没有办法报告sklearn模型二进制分类模型的预期值？在previous question有人推荐def do_something(x, y): x.insert(0, ’z’) y = [’z’] + y 。我期待一个类似于xgboost包predict_proba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"objective": "binary:logistic"的输出感到困惑。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：

predict_proba

Answer 1

predict_proba的输出数组中的列是分类器预测的不同标签的概率。在您的情况下，您已经构建了二元分类器，因此第一列modl.predict_proba(X_test)[:,0]是标签为0的概率，第二列modl.predict_proba(X_test)[:,1]是标签的概率是1。