我表达得不太好，但我想问的是如何在使用分类算法进行预测时显示置信度的百分比？我使用的是Scikit-learn。

假设我想根据纹理和重量来识别某物是苹果还是橙子：

#特征：  0 = "凹凸" 1 = "光滑"#标签：    0 = 苹果 1 = 橙子features = [[140, 1], [130, 1], [150, 0], [170, 0]]labels = [0, 0, 1, 1]# 在此实例中我们将使用决策树clf = tree.DecisionTreeClassifier()clf = clf.fit(features, labels)print(clf.predict([[160, 0]]))

所以在预测[160, 0]时，根据模式，我们和计算机会预测这最可能是橙子。在Scikit-learn中，有没有一种方法可以预测计算机返回1或0的信心程度？当我在特征向量中有更多参数时，这一点尤其重要。

回答：

是的。

只需使用predict_proba(X)函数（而不是predict()）。

probability = clf.predict_proba([[160, 0]])

Scikit-learn中的某些分类器能够做到这一点，而其他分类器则不能。

在DecisionTreeClassifier的情况下，当要求给定类的概率时，模型会给出训练集中在特定“叶子”中属于相同类的元素的比例。

决策树中的叶子是一组代表树中路径的条件（规则）。

例如，对于示例[0, 160]，它们表示[x1, x2]，规则可能是

if x1 < 10:    if x2 > 150:        # 在我们的训练集中的`n`个例子中，有100个符合此规则集。其中75个是苹果，25个是橙子 - 因此：        probability = [0.75, 0.25]  # P(苹果) = 0.75, P(橙子) = 0.25

当然，在二元分类的情况下（两个类别），Scikit会返回两者，但你实际上只需要其中一个，因为这些概率是互补的（1 – 0.75 = 0.25）。

查看这里的文档以了解更多信息。

希望这对你有帮助。