解释 predict_proba，多项式朴素贝叶斯

【问题标题】：Interpreting predict_proba, multinomial Naive Bayes解释 predict_proba，多项式朴素贝叶斯
【发布时间】：2020-05-26 16:44:42
【问题描述】：

我使用来自scikit-learn 的MultinomialNB()。使用predict_proba，我该如何解释这些概率？我最初的猜测是：0.8 的概率意味着分类器 80% 确定类 X 是正确的类。

我找到了related question，但没有提供答案。

【问题讨论】：

标签： python machine-learning scikit-learn probability multiclass-classification

【解决方案1】：

你的直觉是正确的。正如您在文档中所读到的，predict_proba 返回模型中每个类的样本概率。因此，如果我们假设您的训练模型中有 4 个类并且 predict_proba 返回 [0.6, 0.2, 0.19, 0.01] （总和为 1），则表示您的数据是第一类，概率为 60%，第二类为20% 等。

文档： https://scikit-learn.org/stable/modules/generated/sklearn.naive_bayes.MultinomialNB.html

【讨论】：

好的，谢谢！一旦校准了概率，您是否碰巧知道解释会发生什么？ (scikit-learn.org/stable/modules/calibration.html)
对概率的解释总是一样的，校准只是改变它们的值。