LogisticRegression.predict_proba函数到底返回什么？

在我的例子中，我得到了这样的结果：

array([    [4.65761066e-03, 9.95342389e-01],    [9.75851270e-01, 2.41487300e-02],    [9.99983374e-01, 1.66258341e-05]])

通过使用sigmoid函数进行其他计算，我知道第二列是概率。文档中说第一列是n_samples，但这不可能，因为我的样本是评论，是文本而不是数字。文档还说第二列是n_classes。这显然也不对，因为我只有两个类（即+1和-1），而且该函数应该是关于计算样本真正属于某个类的概率，而不是类本身。

第一列到底是什么，为什么它会出现在那里？

回答：

4.65761066e-03 + 9.95342389e-01 = 19.75851270e-01 + 2.41487300e-02 = 19.99983374e-01 + 1.66258341e-05 = 1

第一列是条目具有-1标签的概率，第二列是条目具有+1标签的概率。请注意，类别的顺序与self.classes_中的顺序相同。

如果您只想获得正标签的预测概率，可以使用logistic_model.predict_proba(data)[:,1]。这将返回[9.95342389e-01, 2.41487300e-02, 1.66258341e-05]的结果。