只是一个简单的问题，如果我想将对象分类为0或1，但我希望模型能够给我一个'可能性'的概率，例如，如果一个对象是0.7，这意味着它有0.7的机会进入第1类，我是做回归还是坚持分类器并使用predict_proba函数？
回归和predict_proba功能有何不同？
非常感谢任何帮助！
谢谢！
答案 0 :(得分：4)
一般来说，对于定性问题是在类别或类别之间进行分类，我们更喜欢分类。
例如：确定是晚上还是白天。
对于定量问题，我们更倾向于回归来解决问题。
例如：识别它的第0类还是第1类。
但在特殊情况下，当我们只有两个班级时。然后，我们可以使用分类和回归来解决两类问题，如你的情况。
请注意，这个解释是代表两类观点或多类问题。虽然回归是为了处理真正的量化问题而不是阶级。
概率没有特别针对方法。每种方法都推导出概率，并在此基础上预测结果。
如果您解释对
predict_proba的引用，那就更好了 问题
希望它有所帮助！
答案 1 :(得分：2)
由于您提及predict_proba函数，我假设您指的是scikit-learn API。
要获得班级会员资格，这是正确的功能。在逻辑回归的情况下，这个函数在某种程度上是自然输出。
您还应该检查probability calibration