我正在python 3.4工作，我尝试使用sklearn random forest模型做一些预测。
我首先生成confusion matrix并计算精度，如下所述：
accuracy= confusion_matrix.trace() / len(testing_dataframe)
这给了我一个大约0.18的准确度，这还不够好
因此，为了获得更高的结果，我使用predict_proba()方法生成了6个命题（我有大约1000个标签），并按如下方式计算准确度：
Boolean_array=np.zeros(len(testing_dataframe))
if label[i] is in propositions[i]:
Boolean_array[i]= True
else:
Boolean_array[i]= False
accuracy=numpy.mean(propositions)
这给了我一个大约0.16的准确度，这很奇怪，因为我期待它更高。
这就是为什么我想知道predict()和predict_proba()是否相关，我的意思是：
predict(X)=predict_proba(X).max()
是否有人知道predict_proba如何运作，为什么我的准确度会降低？
修改
以下是我的数据的一小部分示例：
功能DataFrame：
f0 f1 f2 f3 f4 f5 f6 f7 f8 f9 ... f90 f91 f92 f93 f94 f95 f96 f97 f98 f99
0 0.535271 0.025914 0.562412 -0.419993 0.681204 0.454155 -0.011025 0.038262 0.527357 -0.050546 ... 0.030861 -0.610272 0.317212 -0.418725 0.177978 -0.417070 0.053116 0.395432 0.291500 1.316563
1 -0.901409 -0.516550 -0.332680 1.256825 0.493730 -0.874850 -0.709655 1.452980 -1.383530 0.168827 ... 0.035605 0.445295 -1.631235 0.297015 0.204900 -0.064275 -0.739375 0.583020 -0.949815 1.621750
2 0.160291 0.817350 -0.751626 0.226337 0.727847 0.086183 -0.376025 1.272175 0.031435 0.418815 ... 0.025983 -0.118028 -0.608380 -0.626938 0.212298 -0.948225 0.461030 0.565805 0.860127 1.669100
3 -0.476125 -0.670245 0.146448 0.242735 1.179170 -1.206770 -0.374161 0.474205 0.605703 -0.915345 ... -0.737470 1.207160 1.749050 1.401800 -0.694545 0.621000 0.133150 0.117960 -0.712190 -0.829515
4 1.592632 0.406484 -0.582462 -0.273904 -0.043725 0.473370 -0.561084 -0.586366 0.395254 -0.137352 ... -1.805612 -1.325500 -0.304604 0.031349 1.496978 -0.026860 0.023190 1.226166 1.279988 1.158928
标签DataFrame：
0 1360
1 268
2 269
3 1047
4 1344
Name: labels, dtype: int64
提前致谢