在使用GradientBoostingClassifier时，我试图获取模型预测的类别的概率，为此我使用了”predict_proba(X)”方法。但是我想知道如何检查这种预测的准确性。

P = np.array(D1.drop(['Class'], axis = 1))q = np.array(D1['Class'])P_train, P_test, q_train, q_test = train_test_split(P, q)qst = GradientBoostingClassifier(criterion='friedman_mse', init=None,              learning_rate=0.08, loss='deviance', max_depth=None,              max_features=None, max_leaf_nodes=None,              min_samples_leaf=1,              min_samples_split=2, min_weight_fraction_leaf=0.0,              n_estimators=400, presort='auto', random_state=None,              subsample=0.8, verbose=0, warm_start=False).fit(P_train, q_train)

整个数据集的尺寸为(17520×24) – 包括”Class”特征在内的24个特征，上述代码中有3个类别

pred_prob_P_test = qst.predict_proba(P_test)

这给出了目标属于每个类别的百分比概率

我想检查这种预测概率的准确性。

回答：

你可以这样做：

from sklearn.metrics import accuracy_scorepred_prob_P_test = qst.predict(P_test)accuracy_score(q_test, pred_prob_P_test)

如果只是为了报告一些任何人都能理解的信息，使用accuracy作为指标是可以的。然而，你应该使用其他指标（如多类别对数损失）来优化你的模型。

编辑：

pred_prob_P_test = qst.predict_proba(P_test)preds = np.argmax(pred_prob_P_test, axis=1)accuracy_score(q_test, preds)