Question

我正在尝试使用二进制因变量（占用/未占用）尝试不同的分类模型。我感兴趣的模型是Logistic回归，决策树和高斯朴素贝叶斯。

我的输入数据是一个csv文件，带有日期时间索引（例如2019-01-07 14:00），三个变量列（“ R”，“ P”，“ C”，包含数值），并且因变量列（“值”，包含二进制值）。

训练模型不是问题，一切正常。所有模型都以二进制值（当然应该是最终结果）为我提供了预测，但是我也希望看到使它们决定使用其中一个二进制值的预测概率。有没有办法获得这些值？

我已经尝试了所有与yellowbrick软件包一起使用的分类可视化工具（ClassBalance，ROCAUC，ClassificationReport，ClassPredictionError）。但是，所有这些都不给我一个图表，该图表显示了模型针对数据集计算出的概率。

import pandas as pd
import numpy as np
data = pd.read_csv('testrooms_data.csv', parse_dates=['timestamp'])


from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score, confusion_matrix, classification_report

##split dataset into test and trainig set
X = data.drop("value", axis=1) # X contains all the features
y = data["value"] # y contains only the label

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.5, random_state = 1)

###model training
###Logistic Regression###
clf_lr = LogisticRegression()

# fit the dataset into LogisticRegression Classifier

clf_lr.fit(X_train, y_train)
#predict on the unseen data
pred_lr = clf_lr.predict(X_test)

###Decision Tree###

from sklearn.tree import DecisionTreeClassifier

clf_dt = DecisionTreeClassifier()
pred_dt = clf_dt.fit(X_train, y_train).predict(X_test)

###Bayes###
from sklearn.naive_bayes import GaussianNB

bayes = GaussianNB()
pred_bayes = bayes.fit(X_train, y_train).predict(X_test)


###visualization for e.g. LogReg
from yellowbrick.classifier import ClassificationReport
from yellowbrick.classifier import ClassPredictionError
from yellowbrick.classifier import ROCAUC

#classificationreport
visualizer = ClassificationReport(clf_lr, support=True)

visualizer.fit(X_train, y_train)  # Fit the visualizer and the model
visualizer.score(X_test, y_test)  # Evaluate the model on the test data
g = visualizer.poof()             # Draw/show/poof the data

#classprediction report
visualizer2 = ClassPredictionError(LogisticRegression())

visualizer2.fit(X_train, y_train) # Fit the training data to the visualizer
visualizer2.score(X_test, y_test) # Evaluate the model on the test data
g2 = visualizer2.poof() # Draw visualization

#(ROC)
visualizer3 = ROCAUC(LogisticRegression())

visualizer3.fit(X_train, y_train)  # Fit the training data to the visualizer
visualizer3.score(X_test, y_test)  # Evaluate the model on the test data
g3 = visualizer3.poof()             # Draw/show/poof the data

最好有一个类似于pred_lr的数组，其中包含为csv文件的每一行计算的概率。那可能吗？如果可以，我该怎么办？

Answer 1

在大多数sklearn估计量（如果不是全部）中，您有一种方法来获取排除分类的概率，无论是对数概率还是概率。

例如，如果您有Naive Bayes分类器，并且想要获取概率而不是分类本身，则可以这样做（我使用了与代码中相同的命名法）：

from sklearn.naive_bayes import GaussianNB

bayes = GaussianNB()
pred_bayes = bayes.fit(X_train, y_train).predict(X_test)

#for probabilities
bayes.predict_proba(X_test)
bayes.predict_log_proba(X_test)

希望这会有所帮助。

如何获得分类模型的预测概率？

1 个答案: