Python 在sklearn中,有没有一种方法可以测试我在DecisionTreeClassifier模型中做出的预测的可信度?
我成功地使用了python中的sklearn库,并且非常喜欢它 我能够使用以下代码创建并拟合DecisionTreeClassifier类型的模型:Python 在sklearn中,有没有一种方法可以测试我在DecisionTreeClassifier模型中做出的预测的可信度?,python,machine-learning,scipy,scikit-learn,Python,Machine Learning,Scipy,Scikit Learn,我成功地使用了python中的sklearn库,并且非常喜欢它 我能够使用以下代码创建并拟合DecisionTreeClassifier类型的模型: clf = tree.DecisionTreeClassifier() clf = clf.fit(features, labels) 然后,我可以使用该模型预测新输入的类别,如下所示: clf.predict([[20, 50, 10]]) 上面的行将返回0或1,这取决于模型预测该数据将具有的类别。我想知道是否有某种方法可以获得模型预测的置
clf = tree.DecisionTreeClassifier()
clf = clf.fit(features, labels)
然后,我可以使用该模型预测新输入的类别,如下所示:
clf.predict([[20, 50, 10]])
上面的行将返回0或1,这取决于模型预测该数据将具有的类别。我想知道是否有某种方法可以获得模型预测的置信度/概率
因此,如果它预测输入的分类为1,则概率/置信度将为0.8之类的小数点或80%之类的百分比。关于这是否与sklearn的DecisionTreeClassifier兼容/可能,您有什么想法吗?这可以通过以下方式完成:
预测输入样本X的类概率。
预测的类别概率是叶片中同一类别样本的分数