Python 如何使用KNN模型生成多个预测输出？

我使用predict函数从KNN模型生成预测，而不是有一个预测，在本例中是[10]，我希望有最可能的类

可能吗

这是我的密码：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score


df = pd.read_excel("Test.xlsx")
X = df.iloc[:,:4]
y = np.array(df['Target']) 

# split into train and test
X_train, 
X_test, 
y_train, 
y_test = train_test_split(X, y, test_size=0.33, random_state=42)

# instantiate learning model (k = 7)
knn = KNeighborsClassifier(n_neighbors=7)

# fitting the model
knn.fit(X_train, y_train)

# predict the response
pred = knn.predict(X_test)

#Predict Output
pred= knn.predict([[2,3,90,600]]) 


**Output:**
**[10]**

---

您可以添加如下内容：

printknn.predict_probaX_检验

这将打印出如下内容：

---

[x1.x2.x3.x4.]，显示每个类别的概率或置信度。此方法将打印测试集中每个项目的格式。

我被模型提供的多个预测弄糊涂了。什么意思？给定输入数据，分类器应仅在给定训练数据的情况下预测最可能的类别。您可以使用predict_proba来获得正类和负类的概率，或者多标签分类问题中每个类的概率。在你看来，对于同一个模型和输入数据，多个预测应该是什么样子？嗨@G.安德森，很抱歉让我的问题如此混乱，是的，我想要最可能的类，“我认为‘预测’有效，所以你想看看每门课预测的可信度吗？”Jerry M。是的，概率还是自信我贴了一个答案。如果对你有效，请告诉我。它打印每个类的预测，每个样本@shahinegreene的输出是什么样的请注意，数据集中有9个类[[0.14285714 0.14285714 0.0.28571429 0.0.28571429 0.0.14285714][0.0.0.14285714 0.57142857 0.14285714 0.14285714 0.0][0. 0. 0.14285714 0.57142857 0.14285714 0.14285714 0. 0. ]这是一个正确的输出。对于测试数据中的单个样本，KNN模型正在打印其样本属于指定类的置信水平。因此它完成了您的要求：谢谢您，没有问题！@ShahineGreenemylist=KNN.predict\u probaX\u test，然后是mylist.sort