使用 Python 的 scikit-learn 中随机森林算法的置信度与概率答案

【问题标题】：Confidence vs Probability in Random Forest Algorithm in scikit-learn using Python使用 Python 的 scikit-learn 中随机森林算法的置信度与概率
【发布时间】：2018-01-30 07:58:00
【问题描述】：

我一直在尝试使用scikit-learn 运行随机森林分类器。我想了解概率和置信度之间的区别。假设我们有 5 个类 A,B,C,D,E 。现在，如果我运行predict_proba() 并获得 A 类的匹配项，则返回的概率是它在 5 个类中属于 A 类的概率吗？这意味着如果它的 A 类概率为 0.95，那么剩余的 0.05 将与剩余的类共享？如果是这种情况，我想了解是否有办法获得预测的置信度，这意味着分类器以 0.95 的概率预测 A 类的置信度有多大？有这样的机制吗？

我想理解这一点的原因是因为假设我输入的分类数据不属于 5 个类别中的任何一个，我想扔掉它不属于这 5 个类别中的任何一个类。我觉得分类器目前会尝试将它放入 5 个类中的一个，并且可能返回一个高概率？即使它对此没有信心？

谢谢！

【问题讨论】：

对我来说，这似乎属于criss validated，因为问题实际上与编程无关。

标签： python machine-learning scikit-learn random-forest

【解决方案1】：

概率不是置信区间。

要添加置信区间，您需要使用此扩展程序http://contrib.scikit-learn.org/forest-confidence-interval/

【讨论】：

感谢您的回复德克。我看到 random_forest_error() 返回 variance 并且示例显示它使用 variance 计算标准偏差。那么标准差越低，正确的置信度越高？