由于scikit库及其管道，BaseEstimators，TransformerMixin和其他基类，我正在实现自定义估算器。 （you can check the API here）
给出管道，您可以先调用pipeline.fit(X)然后再调用pipeline.predict(X)，也可以使用pipeline.fit_predict(X)，这会更快一些，因为它将必要的转换应用一次，而不是两次（一次拟合和一次转换）。一个用于预测）。因此，当您要对过去拟合的同一数据集进行预测时，可以使用它进行优化。
但是某些模型（例如分类器或聚类器）具有称为predict_proba的方法，该方法返回分类或标记的可能性。
从scikit词汇表（link）：
fit_predict
特别适用于无监督的推导式估计器，非常适合 该模型并返回有关的预测（类似于预测） 训练数据。在聚类器中，这些预测也存储在 labels_属性，通常
.fit_predict(X)的输出为 等效于.fit(X).predict(X)。fit_predict的参数 与fit相同。predict_proba
分类器和聚类器中能够返回的方法 每个类/集群的概率估计。它的输入通常是 X。
如果估计量尚未拟合，则应调用此方法 提出一个
exceptions.NotFittedError。输出约定类似于Decision_function的约定，但 二进制分类情况，每个类输出一列 （而decision_function输出一维数组）。对于二进制和 多类预测，每行应加1。
与其他方法一样，
predict_proba仅应在 估计器可以进行概率预测（请参阅鸭子的类型）。这个 表示该方法的存在可能取决于估计量 参数（例如linear_model.SGDClassifier中）或训练数据 （例如，在model_selection.GridSearchCV中），并且只能出现在 合适。
我正在寻找一种获取fit_predict_proba方法的方法，该方法具有与fit_predict相同的优点，但返回概率为