Python 如何计算；你的训练是真的，你的训练是可能的，你的测试是真的，你的测试是可能的；？

我已经计算了

X\u列，X\u测试，y\u列，y\u测试

。但是我不能计算

y\u train\u true，y\u train\u prob，y\u test\u true，y\u test\u prob

如何从以下代码计算

y\u train\u true，y\u train\u prob，y\u test\u true，y\u test\u prob

列车：

X_测试：

y_列车：

y_测试：

N.B

y_train_true：训练数据集中0或1的真二进制标签

y_train_prob：由训练数据集的模型预测的{0,1}范围内的概率

y_test_true：测试数据集中0或1的真二进制标签

y_test_prob：测试数据集模型预测的{0,1}范围内的概率

---

代码：

# Split test and train data
import numpy as np
from sklearn.model_selection import train_test_split
X = np.array(dataset.ix[:, 1:10])
y = np.array(dataset['benign_malignant'])
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

#Define Classifier and ====
from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors = 5, metric = 'minkowski', p = 2)
# knn = KNeighborsClassifier(n_neighbors=11)
knn.fit(X_train, y_train)

# Predicting the Test set results
y_pred = knn.predict(X_train)

---

在你的例子中，

y\u-train

和

y\u-test

已经是

y\u-train\u-true

和

y\u-test\u-true

。要获取

y\u train\u prob

和

y\u test\u prob

，您需要获取一个模型。我不知道您使用的是哪一个数据集，但这似乎是一个二元分类问题，因此您可以使用逻辑回归来进行此操作

from sklearn.neighbors import KNeighborsClassifier

knn = KNeighborsClassifier(n_neighbors = 5, metric = 'minkowski', p = 2)
knn.fit(X_train, y_train)
y_train_prob = knn.predict_proba(X_train)
y_test_prob = knn.predict_proba(X_test)

---

y_测试和y_训练中的数据是什么样的？我使用的是

K近邻分类法。你是说
x\u train\u prob=y\u train\u prob
和
x\u test\u prob=y\u test\u prob
？@Md.RezwanulHaque ah yeh抱歉输入错误。已更新解决方案。但我收到此错误。proba（X\u train）AttributeError:'KNeighborsClassifier'对象没有属性“proba”

很抱歉，这是

预测proba

。再试一次！