Python每日一记23>>>分类模型的可信度评估
2019-03-24 14:16
676 查看
“万事万物都存在不确定性,包括真理”
对于分类模型,我们知道利用模型确实能进行预测分类,为其加上标签,但是,模型预测的内部机制也是依据概率计算的,大概率属于1类,则分到1类。
大部分算法都有predict_proba属性
我们利用高斯贝叶斯算法进行分类,利用predict_proba属性查看内部是怎样计算的,我们发现,对于测试集而言,前5个分类是1,0,0,0,1 ; 而后的列表表示的是概率,如列表的第一行,4.02843511e-18表示有接近0的概率属于第一类别, 1.00000000e+00表示有1的概率属于第二类别,至于第一类别是什么,第二类别是什么,我们貌似不需要去关心。
除了predict_proba属性,我们还有决定系数属性
列表内容表示,如果数值为正数就属于1类,如果负数就属于0类。
不同的分类算法,概率模型可能不尽相同,大家可以行决定。
其实,我们并不需太在意可信度评估,分类结果达到即可。
相关文章推荐
- 机器学习实战笔记(Python实现)-07-模型评估与分类性能度量
- 分类模型评估的方法及Python实现
- sklearn---分类模型评估
- Python机器学习应用 | 基本分类模型
- caffe:利用python分类,并可视化模型参数、数据
- 机器学习经典算法详解及Python实现--CART分类决策树、回归树和模型树
- Python每日一记25>>>pandas数据类型dtype
- 二分类问题的模型评估
- 分类模型的评估方法-F分数(F-Score)
- 分类模型的性能评估——以SAS Logistic回归为例(1): 混淆矩阵
- 文本分类模型的评估
- 二分类模型评估指标的计算方法与代码实现
- 分类模型的性能评估——Lift和Gain
- 机器学习---分类模型评估ROC
- Python机器学习----第4部分 模型评估和参数调优
- 数据挖掘(三)分类模型的描述与性能评估,以决策树为例
- caffe的python接口学习(6):用训练好的模型(caffemodel)来分类新的图片
- 分类模型的性能评估——以SAS Logistic回归为例(1): 混淆矩阵
- Python每日一记38>>>pandas相关小问题
- caffe学习(六):使用python调用训练好的模型来分类(Ubuntu)