我有一个多类分类器,需要同时获取概率和标签。
model.predict_proba(X)
返回每个数据点所有训练类的概率。
model.predict(X)
返回每个数据点的标签。
我不想对每个数据点进行两次预测。
我有一个多类分类器,需要同时获取概率和标签。
model.predict_proba(X)
返回每个数据点所有训练类的概率。
model.predict(X)
返回每个数据点的标签。
我不想对每个数据点进行两次预测。
只需使用predict_proba
,然后使用np.argmax
获取标签:
dataset = read_csv('pollution.csv', header=0, index_col=0)
x = dataset[['pollution', 'dew', 'temp', 'press', 'wnd_spd', 'snow']].values
y = dataset[['wnd_dir']].values
from sklearn.ensemble import RandomForestClassifier
cls = RandomForestClassifier(random_state=0)
cls.fit(x, y)
z = cls.predict_proba(x)
labels = np.argmax(z, axis=1)
classes = cls.classes_
labels = [classes[i] for i in labels]
print(accuracy_score(y, labels))