python - 用scikit learn，如何在fit_predict中使用predict_proba？

Question

由于 scikit 库及其 Pipeline、BaseEstimators、TransformerMixin 和其他基类，我正在实现自定义估算器。（您可以在此处查看 API）

给定一个管道，您可以调用pipeline.fit(X)thenpipeline.predict(X)或使用pipeline.fit_predict(X)更快的方法，因为它应用必要的转换一次而不是两次（一次用于拟合，一次用于预测）。因此，当您想要在您曾经拟合的同一数据集上进行预测时，它用于获得优化。

但是一些模型，如分类器或聚类器，有一种称为predict_proba返回分类或标记概率的方法。

来自 scikit 词汇表（链接）：

fit_predict

特别用于无监督的、转导的估计器，这适合模型并返回对训练数据的预测（类似于预测）。在聚类器中，这些预测也存储在 labels_ 属性中，输出.fit_predict(X)通常等价于.fit(X).predict(X). to 的参数与 to 的参数fit_predict 相同fit。

predict_proba

分类器和聚类器中的一种方法，能够返回每个类/聚类的概率估计。它的输入通常只是一些观察到的数据，X。

如果尚未安装估算器，则调用此方法应引发exceptions.NotFittedError.

输出约定与 decision_function 的输出约定类似，但在二进制分类情况下，每个类输出一列（而 decision_function 输出一维数组）。对于二元和多类预测，每行应加 1。

与其他方法一样，predict_proba仅当估计器可以进行概率预测时才应存在（请参阅鸭子类型）。这意味着该方法的存在可能取决于估计器参数（例如 in linear_model.SGDClassifier）或训练数据（例如 in model_selection.GridSearchCV），并且可能仅在拟合后出现。

我正在寻找一种方法来获得fit_predict_proba具有与 fit_predict 相同的优点但返回概率的方法

标签： pythonmachine-learningscikit-learn