多类逻辑分类中的预测概率答案

【问题标题】：predicted_proba in multi-class logistic classification多类逻辑分类中的预测概率
【发布时间】：2017-06-12 17:30:13
【问题描述】：

我有 5 个班级作为输出，代表学生的预测等级 - 1、2、3、4、5。

当我使用 predict_proba 输入我的值时，我得到每个类的概率。

例如。

1 级： 0.1 2 级： 0.4：3 级： 0.3 4 级：0.05 5 级： 0.15

但是，我从中得到的唯一信息是预测是：2 类，因为概率最高。如何将这些概率转换为更具体的预测，例如 2.4 或 2.9？其中 2 等于 2 类。

这可能吗？如果是这样，怎么做？

非常感谢您抽出宝贵时间。

【问题讨论】：

model.predict?
@juanpa.arrivillaga 只给我第 2 类的预测，它没有给我小数或更具体的东西
“更具体”是什么意思？它怎么能比2 更具体？
这个问题实际上没有意义，因为分类问题从特征空间映射到有限（尤其是小）离散集。您不会将其归类为“部分在一个，部分在另一个”桶中。
@apnorton 不是部分在一个，部分在另一个，它更像是它更倾向于基于概率的方式。

标签： python machine-learning scikit-learn

【解决方案1】：

这是一种快速的方法：

probs = LRC.predict_proba(x)
class_indexes = np.argmax(probs,axis=1)
max_probs = probs[np.arange(len(x)),class_indexes]
class_output = lrc.classes_[class_indexes]
class_prob_list = zip(class_output,max_probs)
print [str(cls)+'.'+str(prob) for cls,prob in class_prob_list]

【讨论】：

谢谢，但是，len_data 似乎没有定义？
最后一行也不是很清楚，没有定义cls和prob；/
好吧，我测试了它——在我看来，它所做的一切都是以相应的概率为类串起来，并没有真正告诉我类倾向于哪种方式；/
你必须为此训练一个回归模型。您也可以将这些要求放在问题描述中
不用担心 - 感谢您的努力，无论如何我都将您标记为正确的帮助:)