我有一个pandas数据框，用于二元分类情况（类别A和类别B）。为了获取X_train, X_test, y_train, y_test，我按70:30的比例进行分割，如下所示：

from sklearn.model_selection import train_test_splittarget = pd.DataFrame(data['good'])features = data.drop('good', axis=1)X_train, X_test, y_train, y_test = train_test_split(features,                                                     target,                                                     test_size = 0.3,                                                     random_state = 0)

然后我使用了随机森林分类器，代码如下：

from sklearn.ensemble import RandomForestClassifierclf = RandomForestClassifier(n_jobs=2, random_state=0)model = clf.fit(X_train, y_train)

通常，你可以通过clf.predict(X_test)来获取预测结果。它会返回一个numpy.ndarray对象，如下所示：

array(['0', '0', '1', '0', '0', '1', '0', '1', '1', '1'], dtype=object)

然后，我想要计算预测概率，使用clf.predict_proba(X_test)，结果如下：

array([[ 0.7  ,  0.3  ],       [ 0.8  ,  0.2  ],       [ 0.4  ,  0.6  ],       [ 0.8  ,  0.2  ],       [ 0.5  ,  0.5  ],       [ 0.1  ,  0.9  ],       [ 0.5  ,  0.5  ],       [ 0.3  ,  0.7  ],       [ 0.3  ,  0.7  ],       [ 0.5  ,  0.5  ]])

我想在clf.predict_proba(X_test)的输出中获取更多的小数位。（我期望有3位小数）例如，

array([[ 0.712  ,  0.288  ],       [ 0.845  ,  0.155  ... etc

如果答案还能将clf.predict(X_test)和clf.predict_proba(X_test)转换并合并到pandas数据框中，那就更好了，因为我将继续计算GINI指数。提前感谢

回答：

增加模型参数中的’n_estimators’（看起来你已经将其设置为默认值10）。