python - 解释 predict_proba,多项式朴素贝叶斯
问题描述
我MultinomialNB()
从scikit-learn
. 使用predict_proba
,我如何解释这些概率?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。
我找到了一个相关的问题,但没有提供答案。
解决方案
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
推荐阅读
- spring - 弹簧缓存。如果没有键和参数,缓存键是什么
- post - 首先是什么:视图或序列化程序?
- plsql - Oracle - 使用加入 3 个表进行更新
- php - Ajax Post 重定向到与发布数据 PHP 相同的 url
- pine-script - 将 Pine 脚本转换为 MQL4 语言(简易指示器)
- flutter - Flutter intl 版本冲突
- java - Selenium:cssSelector 和路径都找不到元素
- haskell - Lambda演算评估:首先减少表达式然后替换?
- swift - 标签.文本错误!- 在隐式展开可选值时意外发现 nil
- c++ - 如何将变量传递给 cmake 脚本