迴歸與分類器predict_proba

只是一個簡單的問題，如果我想將對象分類爲0或1，但我希望模型返回一個「可能性」概率，例如，如果對象爲0.7，則意味着它具有0.7是否有機會參加第1課，我是否會迴歸或堅持分類，並使用predict_proba函數？迴歸與分類器predict_proba

迴歸和predict_proba函數有何不同？

任何幫助，非常感謝！

謝謝！

2017-04-04 Amoroso

迴歸（特徵矢量的例如某些線性函數）給出了與經由物流sigmoid函數的後驗概率相關的連續值。 –

一般來說，對於定性問題即要在類別或類之間進行分類，我們更喜歡分類。

例如：識別是晚上還是白天。

對於定量問題，我們更喜歡迴歸來解決問題。

例如：確定它的第0類還是第1類。

但在特殊情況下，當我們只有兩個類。然後，我們可以同時使用分類和迴歸來解決兩類問題。

請注意，這個解釋是代表兩級的觀點還是多級的問題。雖然迴歸是要處理真正的量化問題，而不是階級。

概率沒有具體處理方法。每種方法都推導出一個概率，並在此基礎上預測結果。

如果您從問題中解釋對predict_proba的引用會更好。

希望它有幫助！

2017-04-04 05:52:49 abhinav

既然你提到了predict_proba函數，我假設你指的是scikit-learn API。

要獲得班級成員資格的可能性，這是正確的功能。在邏輯迴歸的情況下，這個函數在某種程度上是自然輸出。

2017-04-04 06:07:32 Quickbeam2k1

回答