Sklearn預測多路輸出

Question

我寫了下面的代碼：

from sklearn import tree 

# Dataset & labels 
# Using metric units 
# features = [height, weight, style] 
styles = ['modern', 'classic'] 
features = [[1.65, 65, 1], 
      [1.55, 50, 1], 
      [1.76, 64, 0], 
      [1.68, 77, 0] ] 
labels = ['Yellow dress', 'Red dress', 'Blue dress', 'Green dress'] 

# Decision Tree 
clf = tree.DecisionTreeClassifier() 
clf = clf.fit(features, labels) 

# Returns the dress 
height = input('Height: ') 
weight = input('Weight: ') 
style = input('Modern [0] or Classic [1]: ') 
print(clf.predict([[height,weight,style]])) 

此代碼接收用戶的身高和體重，然後返回禮服能更好地滿足她。有沒有辦法返回多個選項？例如，返回兩件或更多禮服。

UPDATE

from sklearn import tree 
import numpy as np 

# Dataset & labels 
# features = [height, weight, style] 
# styles = ['modern', 'classic'] 
features = [[1.65, 65, 1], 
      [1.55, 50, 1], 
      [1.76, 64, 1], 
      [1.72, 68, 0], 
      [1.73, 68, 0], 
      [1.68, 77, 0]] 
labels = ['Yellow dress', 
      'Red dress', 
      'Blue dress', 
      'Green dress', 
      'Purple dress', 
      'Orange dress'] 

# Decision Tree 
clf = tree.DecisionTreeClassifier() 
clf = clf.fit(features, labels) 

# Returns the dress 
height = input('Height: ') 
weight = input('Weight: ') 
style = input('Modern [0] or Classic [1]: ') 

print(clf.predict_proba([[height,weight,style]])) 

如果用戶是1.72米和68千克，我想同時顯示綠色和紫色的衣服。這個例子只是返回100％的綠色禮服。

Answer 1

是的，你可以。其實你可以做的是，你可以得到每個類的概率。有一個函數.predict_proba()在某些分類器中實現。

請參閱here，sklearn的文檔。

它會返回每個班級的樣本成員資格的概率。

然後，您可以例如返回與兩個，三個最高概率相關聯的標籤。

Answer 2

您可以使用predict_proba（）方法獲得給定項目的每個類的概率。欲瞭解更多信息，請在此爲 「predict_proba（）」：

http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html

希望這有助於..

Answer 3

predict()只返回類概率較高。如果你使用 predict_proba()來代替它，它會返回一個數組，每個類的概率爲，所以你可以選擇超過某個閾值的數組。

Here是該方法的文檔。

你可以做這樣的事情吧：

probs = clf.predict_proba([[height, weight, style]]) 
threshold = 0.25 # change this accordingly 
for index, prob in enumerate(probs[0]): 
    if prob > threshold: 
     print(styles[index])