scikit-learn中predict_proba用法 (与predict的区别）

predict_proba返回的是一个 n 行 k 列的数组， 第 i 行 第 j 列上的数值是模型预测 第 i 个预测样本为某个标签的概率，并且每一行的概率和为1。

 # conding :utf-8
 from sklearn.linear_model import LogisticRegression
 import numpy as np
 x_train = np.array([[1,2,3],
                     [1,3,4],
                     [2,1,2],
                     [4,5,6],
                     [3,5,3],
                     [1,7,2]])

 y_train = np.array([3, 3, 3, 2, 2, 2])

 x_test = np.array([[2,2,2],
                    [3,2,6],
                    [1,7,4]])

 clf = LogisticRegression()
 clf.fit(x_train, y_train)

 # 返回预测标签
 print(clf.predict(x_test))

 # 返回预测属于某标签的概率
 print(clf.predict_proba(x_test))

 # [2 3 2]
 # [[0.56651809 0.43348191]
 #  [0.15598162 0.84401838]
 #  [0.86852502 0.13147498]]
 # 分析结果：
 # 预测[2,2,2]的标签是2的概率为0.56651809，3的概率为0.43348191
 #
 # 预测[3,2,6]的标签是2的概率为0.15598162，3的概率为0.84401838
 #
 # 预测[1,7,4]的标签是2的概率为0.86852502，3的概率为0.13147498