Sklearn - предсказать вероятность каждого класса

bmc спросил: 13 октября 2017 в 06:24 в: machine-learning

Пока что я получил ресурсы еще один пост и документация sklearn

Так что в общем, я хочу для создания следующего примера:

X = np.matrix([[1,2],[2,3],[3,4],[4,5]])
y = np.array(['A', 'B', 'B', 'C', 'D'])
Xt = np.matrix([[11,22],[22,33],[33,44],[44,55]])
model = model.fit(X, y)
pred = model.predict(Xt)

Однако для вывода я хотел бы видеть 3 столбца для наблюдения в качестве вывода из pred:

 A  |  B  |  C
.5  | .2  | .3
.25 | .25 | .5
...

и разные вероятности для каждого класса, отображаемого в моем прогнозе.

Я полагаю, что лучшим подходом будет Multilabel classification из второй ссылки, которую я предоставил выше , Кроме того, я думаю, что было бы неплохо попробовать перейти к одной из multi-label или multi-output моделей, перечисленных ниже:

Support multilabel:    sklearn.tree.DecisionTreeClassifier
    sklearn.tree.ExtraTreeClassifier
    sklearn.ensemble.ExtraTreesClassifier
    sklearn.neighbors.KNeighborsClassifier
    sklearn.neural_network.MLPClassifier
    sklearn.neighbors.RadiusNeighborsClassifier
    sklearn.ensemble.RandomForestClassifier
    sklearn.linear_model.RidgeClassifierCVSupport multiclass-multioutput:    sklearn.tree.DecisionTreeClassifier
    sklearn.tree.ExtraTreeClassifier
    sklearn.ensemble.ExtraTreesClassifier
    sklearn.neighbors.KNeighborsClassifier
    sklearn.neighbors.RadiusNeighborsClassifier
    sklearn.ensemble.RandomForestClassifier

Однако Я ищу кого-то, кто имеет больше уверенности и опыта, чтобы сделать это правильно. Все отзывы приветствуются.

-bmc

0 ответов