RandomForestClassifier（sklearn）的predict_proba（X）似乎是靜態的？

Question

對於我想檢索給定樣本的預測分數/概率的所有類。我正在使用sklearn的RandomForestClassifier。我的代碼運行良好，如果我使用.predict()。但是，要顯示我使用的概率爲.predict_proba(X)，並且它始終返回相同的值，即使在X更改時也是如此。爲什麼是這樣以及如何解決它？

我我的代碼打破的有關部分：

# ... code ... feature generation/gets the feature data 
if rf is None: 
    rf = RandomForestClassifier(n_estimators=80) 
    rf.fit(featureData, classes) 
else: 
    prediction = rf.predict(featureData) # gets the right class/always different 
    proba = rf.predict_proba(featureData) 
    print proba # this prints always the same values for all my 40 classes 

有趣的是max(proba)檢索類.predict()回報在第一個運行。由於.predict()正在按預期工作，我相信這個錯誤在sklearn的一邊，也就是說我想有一個標誌需要設置。

有沒有人有想法？

Answer 1

我想問題是你總是將相同的參數傳遞給predict_proba。這裏是我的代碼來構建的樹木虹膜數據集森林：

from sklearn import datasets 
from sklearn.ensemble import RandomForestClassifier 
iris = datasets.load_iris() 
X = iris.data 
y = iris.target 
rf = RandomForestClassifier(n_estimators=80) 
rf.fit(X, y) 

當我調用的方法predict和predict_proba，階級和階級數概率預測爲不同的參數也不同，作爲一個可以合理期望。

採樣運行：

In [82]: a, b = X[:3], X[-3:] 

In [83]: a 
Out[83]: 
array([[ 5.1, 3.5, 1.4, 0.2], 
     [ 4.9, 3. , 1.4, 0.2], 
     [ 4.7, 3.2, 1.3, 0.2]]) 

In [84]: b 
Out[84]: 
array([[ 6.5, 3. , 5.2, 2. ], 
     [ 6.2, 3.4, 5.4, 2.3], 
     [ 5.9, 3. , 5.1, 1.8]]) 

In [85]: rf.predict(a) 
Out[85]: array([0, 0, 0]) 

In [86]: rf.predict(b) 
Out[86]: array([2, 2, 2]) 

In [87]: rf.predict_proba(a) 
Out[87]: 
array([[ 1., 0., 0.], 
     [ 1., 0., 0.], 
     [ 1., 0., 0.]]) 

In [88]: rf.predict_proba(b) 
Out[88]: 
array([[ 0. , 0. , 1. ], 
     [ 0. , 0.0125, 0.9875], 
     [ 0. , 0.0375, 0.9625]])