如何一步从预测概率中得到预测的类标签？

【问题标题】：How to get predicted class label from predicted probabilities in one step?如何一步从预测概率中得到预测的类标签？
【发布时间】：2020-04-13 08:19:15
【问题描述】：

目前，我正在使用下面给定的代码来计算概率分数和预测的类标签。

y_score = cross_val_predict(clf, X, y, cv=10 ,method='predict_proba')
y_pred = cross_val_predict(clf, X, y, cv=10 )

但这是一种计算成本高昂的方法，因为必须运行整个模型两次，有没有什么方法可以一步完成。或者我怎样才能将概率转化为类标签？

谢谢

【问题讨论】：

【解决方案1】：

使用概率，如果它是一个单热编码目标数组，则使用np.argmax()。它将返回概率最高的位置（预测），例如第 1、2 或 3 行。

如果您在一维数组中有两个类，请使用 np.round()，这样您就可以得到类别 0 和 1 的预测值。您可能需要转换为 int 才能工作。

【讨论】：

谢谢您的回答，如果在多分类的情况下，两个分类共享相同的概率值。
对于多类，可以四舍五入。它所属的类将有一个1：[0, 0, 0, 1, 0, 1, 1]，等等。如果你想要类号：np.where(pred == 1, axis=0)，它将返回[3, 5, 6]。或者axis=1我不确定。