回归与分类器 predict_proba

Posted 2023-03-12

【中文标题】回归与分类器 predict_proba

【英文标题】：Regression vs Classifier predict_proba

【发布时间】：2017-08-29 04:10:59

【问题描述】：

只是一个简单的问题，如果我想将对象分类为 0 或 1，但我希望模型返回一个“可能性”概率，例如，如果一个对象是 0.7，这意味着它有 0.7 的机会进入第 1 类，我是做回归还是坚持分类器并使用 predict_proba 函数？

regression 和 predict_proba 函数有何不同？

非常感谢任何帮助！

谢谢！

【问题讨论】：

回归（例如特征向量的一些线性函数）通过​​逻辑 sigmoid 函数给出与后验概率相关的连续值。

【参考方案1】：

一般来说，对于一个定性问题，即在类别或类之间进行分类，我们更喜欢分类。

例如：识别是晚上还是白天。

对于定量问题，我们更喜欢回归来解决问题。

例如：识别它是第 0 类还是第 1 类。

但在特殊情况下，当我们只有两个类时。然后，我们可以像您的情况一样使用分类和回归来解决两类问题。

请注意，这个解释是代表二类观点或多类问题。虽然回归是为了处理真正的定量问题而不是分类。

概率与方法无关。每种方法都推导出一个概率，并在此基础上预测结果。

您最好解释一下您对predict_proba 的引用 问题。

希望对你有帮助！

【参考方案2】：

既然您提到了predict_probafunction，我假设您指的是 scikit-learn API。

要获得类成员概率，这是正确的函数。在逻辑回归的情况下，这个函数在某种程度上是自然输出。

您还应该检查probability calibration