Python 预测“作为估计器的概率函数或决策函数”；“信心”；

我使用LogisticReturnal作为模型来训练scikit learn中的估计员。我使用的特性（大部分）是分类的；标签也是如此。因此，我分别使用DictVectorizer和LabelEncoder对值进行正确编码

培训部分相当简单，但我在测试部分遇到了问题。简单的方法是使用训练模型的“预测”方法，并获得预测标签。但是，对于以后需要进行的处理，我需要每个特定实例的每个可能标签（类）的概率。我决定使用“预测概率”方法。然而，对于同一个测试实例，我得到了不同的结果，无论是在实例单独运行时还是在其他实例同时运行时，我都使用了这种方法

接下来，是重现问题的代码

from sklearn.linear_model import LogisticRegression
from sklearn.feature_extraction import DictVectorizer
from sklearn.preprocessing import LabelEncoder


X_real = [{'head': u'n\xe3o', 'dep_rel': u'ADVL'}, 
          {'head': u'v\xe3o', 'dep_rel': u'ACC'}, 
          {'head': u'empresa', 'dep_rel': u'SUBJ'}, 
          {'head': u'era', 'dep_rel': u'ACC'}, 
          {'head': u't\xeam', 'dep_rel': u'ACC'}, 
          {'head': u'import\xe2ncia', 'dep_rel': u'PIV'}, 
          {'head': u'balan\xe7o', 'dep_rel': u'SUBJ'}, 
          {'head': u'ocupam', 'dep_rel': u'ACC'}, 
          {'head': u'acesso', 'dep_rel': u'PRED'}, 
          {'head': u'elas', 'dep_rel': u'SUBJ'}, 
          {'head': u'assinaram', 'dep_rel': u'ACC'}, 
          {'head': u'agredido', 'dep_rel': u'SUBJ'}, 
          {'head': u'pol\xedcia', 'dep_rel': u'ADVL'}, 
          {'head': u'se', 'dep_rel': u'ACC'}] 
y_real = [u'AM-NEG', u'A1', u'A0', u'A1', u'A1', u'A1', u'A0', u'A1', u'AM-ADV', u'A0', u'A1', u'A0', u'A2', u'A1']

feat_encoder =  DictVectorizer()
feat_encoder.fit(X_real)

label_encoder = LabelEncoder()
label_encoder.fit(y_real)

model = LogisticRegression()
model.fit(feat_encoder.transform(X_real), label_encoder.transform(y_real))

print "Test 1..."
X_test1 = [{'head': u'governo', 'dep_rel': u'SUBJ'}]
X_test1_encoded = feat_encoder.transform(X_test1)
print "Features Encoded"
print X_test1_encoded
print "Shape"
print X_test1_encoded.shape
print "decision_function:"
print model.decision_function(X_test1_encoded)
print "predict_proba:"
print model.predict_proba(X_test1_encoded)

print "Test 2..."
X_test2 = [{'head': u'governo', 'dep_rel': u'SUBJ'}, 
           {'head': u'atrav\xe9s', 'dep_rel': u'ADVL'}, 
           {'head': u'configuram', 'dep_rel': u'ACC'}]

X_test2_encoded = feat_encoder.transform(X_test2)
print "Features Encoded"
print X_test2_encoded
print "Shape"
print X_test2_encoded.shape
print "decision_function:"
print model.decision_function(X_test2_encoded)
print "predict_proba:"
print model.predict_proba(X_test2_encoded)


print "Test 3..."
X_test3 = [{'head': u'governo', 'dep_rel': u'SUBJ'}, 
           {'head': u'atrav\xe9s', 'dep_rel': u'ADVL'}, 
           {'head': u'configuram', 'dep_rel': u'ACC'},
           {'head': u'configuram', 'dep_rel': u'ACC'},]

X_test3_encoded = feat_encoder.transform(X_test3)
print "Features Encoded"
print X_test3_encoded
print "Shape"
print X_test3_encoded.shape
print "decision_function:"
print model.decision_function(X_test3_encoded)
print "predict_proba:"
print model.predict_proba(X_test3_encoded)

以下是获得的输出：

Test 1...
Features Encoded
  (0, 4)    1.0
Shape
(1, 19)
decision_function:
[[ 0.55372615 -1.02949707 -1.75474347 -1.73324726 -1.75474347]]
predict_proba:
[[ 1.  1.  1.  1.  1.]]
Test 2...
Features Encoded
  (0, 4)    1.0
  (1, 1)    1.0
  (2, 0)    1.0
Shape
(3, 19)
decision_function:
[[ 0.55372615 -1.02949707 -1.75474347 -1.73324726 -1.75474347]
 [-1.07370197 -0.69103629 -0.89306092 -1.51402163 -0.89306092]
 [-1.55921001  1.11775556 -1.92080112 -1.90133404 -1.92080112]]
predict_proba:
[[ 0.59710757  0.19486904  0.26065002  0.32612646  0.26065002]
 [ 0.23950111  0.24715931  0.51348452  0.3916478   0.51348452]
 [ 0.16339132  0.55797165  0.22586546  0.28222574  0.22586546]]
Test 3...
Features Encoded
  (0, 4)    1.0
  (1, 1)    1.0
  (2, 0)    1.0
  (3, 0)    1.0
Shape
(4, 19)
decision_function:
[[ 0.55372615 -1.02949707 -1.75474347 -1.73324726 -1.75474347]
 [-1.07370197 -0.69103629 -0.89306092 -1.51402163 -0.89306092]
 [-1.55921001  1.11775556 -1.92080112 -1.90133404 -1.92080112]
 [-1.55921001  1.11775556 -1.92080112 -1.90133404 -1.92080112]]
predict_proba:
[[ 0.5132474   0.12507868  0.21262531  0.25434403  0.21262531]
 [ 0.20586462  0.15864173  0.4188751   0.30544372  0.4188751 ]
 [ 0.14044399  0.3581398   0.1842498   0.22010613  0.1842498 ]
 [ 0.14044399  0.3581398   0.1842498   0.22010613  0.1842498 ]]

可以看出，当同一个实例与X_test2中的其他实例在一起时，“X_test1”中的实例的“predict_proba”获得的值会发生变化。另外，“X_test3”只是复制了“X_test2”并添加了一个实例（与“X_test2”中的最后一个实例相同），但所有实例的概率值都会发生变化。为什么会发生这种情况？ 另外，我发现“X_test1”的所有概率都是1真的很奇怪，所有概率的总和不应该是1吗

现在，如果不是使用“预测概率”，而是使用“决策函数”，我将获得所需的值的一致性。问题是我得到的是负系数，甚至有些正系数大于1

那么，我应该用什么呢？为什么“预测概率”的值会发生这样的变化？我是否没有正确理解这些价值观的含义

提前谢谢你能给我的任何帮助

更新

---

正如建议的那样，我更改了代码，以便还打印编码的“X_test1”、“X_test2”和“X_test3”以及它们的形状。这似乎不是问题，因为测试集之间相同实例的编码是一致的

如问题评论所示，该错误是由我正在使用的scikit learn版本的实现中的错误引起的。问题已解决，更新到最新的稳定版本0.12.1

，快速浏览，您的观察结果似乎都是正确的。我也不明白发生了什么。您能同时给出每个电话的编码数据吗？那它的形状呢？这是在

master

中，我想它从来没有进入过任何版本@费勒瓦姆，你用的是哪个版本的scikit learn？@larsmans我用的是0.13。我刚才下载的。我应该把它更新到哪个版本吗？@feralvam：目前还没有0.13版本，所以您使用的是GitHub存储库的旧快照。我建议您要么使用0.12.1，要么使用新的快照，如果您真的需要最新的功能/想要贡献代码的话。@larsmans太棒了！谢谢