Python 如何在clf.predict\u proba（X\u测试）中获得更多小数点？

我有一个熊猫数据帧，用于二进制分类案例（类别a和类别B）。为了得到

X\u列，X\u测试，y\u列，y\u测试

from sklearn.model_selection import train_test_split
target = 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)

然后我做了随机森林分类器，用这段代码

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

通常，您可以通过执行

clf.predict（X\u测试）

来获得预测。它给出了

numpy.ndarray

这样的对象

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

然后，我想通过

clf.predict\u proba（X\u test）

计算预测概率，结果是

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\u proba（X\u test）

输出中获得更多的小数。（我应该是3位小数）例如

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

---

如果答案也能将

clf.predict（X_检验）

和

clf.predict\u proba（X_检验）

转换并合并到熊猫数据框中，那就更好了，因为我会继续计算基尼指数。提前感谢

增加模型参数中的“n_估计器”（似乎您已将其设置为默认值10）。

np.set_printoptions（precision=3）

？@Divakar工作，您能将结果添加到pandas dataframe吗？只需使用列名将结果附加到dataframe即可。类似于

data['prob_0']=output[：，0]

和

data['prob_1']=output[：，1]

，其中

output=clf.predict\u proba（X_test）