Python 多类logistic分类中的预测概率

我有5个班级作为输出，代表学生的预测成绩——1、2、3、4、5

当我输入我的值时，用predict_proba，我得到每个类的概率

例如

第1类：0.12类：0.4:3类：0.34类：0.055类：0.15

然而，我从中得到的唯一一点是预测是：第2类，因为概率最高。我如何将这些概率转换为更具体的预测，例如2.4或2.9？其中2等于类别2

这可能吗？如果是，怎么做

---

非常感谢你抽出时间

这里有一种快速的方法：

probs = LRC.predict_proba(x)
class_indexes = np.argmax(probs,axis=1)
max_probs = probs[np.arange(len(x)),class_indexes]
class_output = lrc.classes_[class_indexes]
class_prob_list = zip(class_output,max_probs)
print [str(cls)+'.'+str(prob) for cls,prob in class_prob_list]

---

？@juanpa.arrivillaga这只给了我第二类的预测，它没有给我小数或任何更具体的东西你说的“更具体”是什么意思？它如何比

2

更具体？这个问题没有真正意义，因为分类问题从特征空间映射到有限（特别是小的）离散集。你不会将其归类为“部分在一个，部分在另一个”的类别。@apnorton不部分在一个，部分在另一个，这更像是基于概率它更倾向于哪种方式。然而，多亏了这一点，len_数据似乎没有定义？最后一行也不是很清楚，没有定义cls和prob/好吧，我测试了它——在我看来，它所做的一切都是用相应的概率将类串起来，并没有真正告诉我类向哪个方向倾斜/你必须为此训练一个回归模型。另外，您能否对这些要求提出疑问描述无需担心-谢谢您的努力，我为您的帮助做了正确的标记：）