为啥随机森林分类器 .predict() 和 .predict_proba() 的预测不匹配？

Posted 2023-03-12

【中文标题】为啥随机森林分类器 .predict() 和 .predict_proba() 的预测不匹配？

【英文标题】：Why prediction from randomforest classifier .predict() and .predict_proba() don't match?为什么随机森林分类器 .predict() 和 .predict_proba() 的预测不匹配？

【发布时间】：2021-08-05 20:19:15

【问题描述】：

我训练了一个简单的随机森林分类器，然后当我使用相同的测试输入测试预测时：

rf_clf.predict([[50,0,500,0,20,0,250000,1.5,110,0,0,2]])

rf_clf.predict_proba([[50,0,500,0,20,0,250000,1.5,110,0,0,2]])

第一行返回array([1.])，而第二行返回array([[0.14, 0.86]])，其中预测是第一个浮点数0.14，对吗？

这两个怎么不匹配？我有点困惑。谢谢。

【参考方案1】：

predict()函数返回特征所属的类，predict_proba()函数返回特征属于不同输出类的概率。

示例： predict() 函数的输出结果表明该特征属于第 1 类（即）数组（[1.]）

predict_proba() 函数的输出为您提供了属于每个输出类数组的特征的概率（[[0.14, 0.86]]）。特征属于 0 类的概率为 14%，特征属于 1 类的概率为 86%。

参考文档：predict() docs、predict_proba() docs

【讨论】：

谢谢，我想用它们来返回预测类，我定义了一个dict，例如0-not dead/1-dead，对于predict()，我怎样才能返回相应的类？

dict[clf.predict()[0]] 将返回预测类。

【参考方案2】：

看看sklearn.ensemble.RandomForestClassifier 的documentation 部分，特别是predict_proba 方法。

返回：形状的 ndarray (n_samples, n_classes)，或 n_outputs 的列表。如果 n_outputs > 1，则为此类数组。输入样本的类概率。类的顺序与属性classes_中的顺序相对应。

因此，您得到的输出 (array([[0.14, 0.86]])) 是每个样本输入的样本中存在的每个类的概率列表。 predict() 方法只是为每个输入预测一个类（这就是为什么你得到 array([1.]) 作为返回）。