回归与分类器predict_proba
问题描述:
只是一个简单的问题,如果我想将对象分类为0或1,但我希望模型返回一个“可能性”概率,例如,如果对象为0.7,则意味着它具有0.7是否有机会参加第1课,我是否会回归或坚持分类,并使用predict_proba函数?回归与分类器predict_proba
回归和predict_proba函数有何不同?
任何帮助,非常感谢!
谢谢!
答
一般来说,对于定性问题即要在类别或类之间进行分类,我们更喜欢分类。
例如:识别是晚上还是白天。
对于定量问题,我们更喜欢回归来解决问题。
例如:确定它的第0类还是第1类。
但在特殊情况下,当我们只有两个类。然后,我们可以同时使用分类和回归来解决两类问题。
请注意,这个解释是代表两级的观点还是多级的问题。虽然回归是要处理真正的量化问题,而不是阶级。
概率没有具体处理方法。每种方法都推导出一个概率,并在此基础上预测结果。
如果您从 问题中解释对
predict_proba
的引用会更好。
希望它有帮助!
答
既然你提到了predict_proba
函数,我假设你指的是scikit-learn API。
要获得班级成员资格的可能性,这是正确的功能。在逻辑回归的情况下,这个函数在某种程度上是自然输出。
回归(特征矢量的例如某些线性函数)给出了与经由物流sigmoid函数的后验概率相关的连续值。 –