假设我已经创建了一个模型，并且我的目标变量是0、1或2。看起来如果我使用predict，答案会是0、1或2中的一个。但如果我使用predict_proba，我会得到每个行有3列的结果，例如
model = ... Classifier # 可以是任何分类器 m1 = model.predict(mytest) m2= model.predict_proba(mytest) # 假设 m1[3] = [0.6, 0.2, 0.2]假设我同时使用了predict和predict_proba。如果在索引3处，我得到上述predict_proba的结果，那么在predict的结果的索引3处，我应该看到0。对吗？我试图理解在同一个模型上同时使用predict和predict_proba是如何相互关联的。
回答：
predict()用于预测实际类别（在你的案例中是0、1或2之一）。predict_proba()用于预测类别概率
从你分享的示例输出来看，
predict()将输出类别0，因为0的类别概率是0.6。[0.6, 0.2, 0.2]是predict_proba的输出，仅表示类别0、1和2的概率分别为0.6、0.2和0.2。
正如文档中提到的predict_proba，结果数组是根据你使用的标签进行排序的：
返回的所有类的估计值按类的标签顺序排列。
因此，在你的案例中，你的类别标签是[0, 1, 2]，predict_proba的相应输出将包含相应的概率。0.6是实例被分类为0的概率，而0.2则是实例被分类为1和2的概率。
要了解更全面的解释，请参考TDS上的文章scikit-learn中predict()与predict_proba()的区别是什么。
