机器学习中澄清的概率

Question

我目前正在使用python学习分类（机器学习）。我已经练习了一些非常有趣的分类方法（例如：DecisionTrees，SVM等）。就像您现在所看到的那样，这种方法可以预测不同情况下的类别，但是，我想知道是否存在一种方法或方法，而不是预测不同主题的类别或标签，而是返回该主题为x类的概率。 例： 我有许多正在服用不同类型药物的患者。目前，我仅将数据分为测试/培训部分

df = pd.read_csv("DataSets/drug200.csv")
print(df)

#define x
x = df[["Age", "Sex", "BP", "Cholesterol", "Na_to_K"]].to_numpy()
print(str(x) + "\n")

#Convert bp, sex & cholesterol to numeric values
sex = preprocessing.LabelEncoder()
sex.fit(['F','M'])  
x[:,1] = sex.transform(x[:,1])  

bp = preprocessing.LabelEncoder()
bp.fit([ 'LOW', 'NORMAL', 'HIGH'])  
x[:,2] = bp.transform(x[:,2])

chl = preprocessing.LabelEncoder()
chl.fit([ 'NORMAL', 'HIGH'])  
x[:,3] = chl.transform(x[:,3]) 

y = df["Drug"]

#split data into train/test sets
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.3, random_state = 3)

现在，不是使用像DecisionTree这样的分类方法，而是要获取x个患者消耗n种药物的概率？