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。 –