我正在尝试理解sklearn
的MLP分类器如何检索其predict_proba
函数的结果。
该网站简单地列出:
概率估计
而其他许多模型,例如逻辑回归,则有更详细的答案:概率估计。
对于多类问题,如果设置multi_class为“multinomial”,则使用softmax函数找到每个类别的预测概率。否则,使用一对多方法,即假设每个类别为正,并使用逻辑函数计算每个类别的概率,并在所有类别上规范化这些值。
其他的模型类型也有更详细的信息。例如,支持向量机分类器。
还有这篇非常好的 Stack Overflow 帖子,深入解释了它。
计算 X 中可能结果的概率。
模型需要在训练时计算概率信息:将 attribute probability 设置为 True 进行拟合。
其他例子
随机森林:
预测 X 的类别概率。
输入样本的预测类别概率是森林中树的平均预测类别概率。单棵树的类别概率是叶子中相同类别样本的比例。
我想了解与上述帖子相同的内容,但是针对MLPClassifier
。 MLPClassifier
在内部是如何工作的?