如何找到生成给定分类器的变量的所有可能组合.predict_proba

Question

我建立了一些分类器（朴素贝叶斯，K最近邻，逻辑回归），它们使用两个变量。使用classifier.predict_proba，它将生成给定数据点适合该类别的概率。

我想做的是与此相反，因此，如果我给它指定的概率（例如0.5），我将能够获得可能数据点的列表。希望我能在每个轴上用一个变量绘制它。

我能想到的最好的主意是运行循环以遍历变量的每个可能组合，为每个变量生成概率，然后将所有这些都放入一个巨大的数据框中，例如[variable1，variable2，概率]。然后，我可以选择所有概率为0.5（或更可能在0.495至0.505范围内）的数据点。

我宁愿希望有更好的方法来完成所有这些工作。

nb_classifier = GaussianNB()
nb_classifier.fit(m_d_train, labels_train)

all_combinations = []
for m in range(100):
    for d in range(100):
        p = nb_classifier.predict_proba([[m,d]])[0][1]
        all_combinations.append([m, d, p])
df = pd.DataFrame(all_combinations, columns=['m', 'd', 'p'])
p_half = df[(df.p > 0.495) & (df.p < 0.505)]