scikit-learn中predict_proba用法 (與predict的區別）

 predict_proba返回的是一個 n 行 k 列的數組， 第 i 行 第 j 列上的數值是模型預測 第 i 個預測樣本為某個標簽的概率，並且每一行的概率和為1。

# conding :utf-8
from sklearn.linear_model import LogisticRegression
import numpy as np
x_train = np.array([[1,2,3],
                    [1,3,4],
                    [2,1,2],
                    [4,5,6],
                    [3,5,3],
                    [1,7,2]])
 
y_train = np.array([3, 3, 3, 2, 2, 2])
 
x_test = np.array([[2,2,2],
                   [3,2,6],
                   [1,7,4]])
 
clf = LogisticRegression()
clf.fit(x_train, y_train)
 
# 返回預測標簽
print(clf.predict(x_test))
 
# 返回預測屬於某標簽的概率
print(clf.predict_proba(x_test))
 
# [2 3 2]
# [[0.56651809 0.43348191]
#  [0.15598162 0.84401838]
#  [0.86852502 0.13147498]]
# 分析結果：
# 預測[2,2,2]的標簽是2的概率為0.56651809，3的概率為0.43348191
#
# 預測[3,2,6]的標簽是2的概率為0.15598162，3的概率為0.84401838
#
# 預測[1,7,4]的標簽是2的概率為0.86852502，3的概率為0.13147498