Python 确定sklearn模型'；s类

上的文档表明存在一个名为

classes_uuu

的属性，该属性据称揭示了模型如何在内部表示类

我希望获得这些信息，以便解释像

predict\u probaba

这样的函数的输出，它为许多样本生成类的概率。希望知道，给定一些说明性的值：

model.classes_ 
>>> [1, 2, 4]

这意味着我可以假设：

model.predict_proba([[1.2312, 0.23512, 6.01234], [3.7655, 8.2353, 0.86323]]) 
>>> [[0.032, 0.143, 0.825], [0.325, 0.143, 0.532]]

概率应转换为与类相同的顺序，即对于我可以假设的第一组特征：

probability of class 1: 0.032
probability of class 2: 0.143
probability of class 4: 0.825

但是在SVM上调用

类会导致错误。有没有一个好方法来获取这些信息？我无法想象，在模型经过训练后，它将不再可访问


编辑：
我构建模型的方式大致如下：

from sklearn.svm import SVC
from sklearn.grid_search import GridSearchCV
from sklearn.pipeline import Pipeline, FeatureUnion


pipeline = Pipeline([
   ('features', FeatureUnion(transformer_list[ ... ])),
   ('svm', SVC(probability=True))
])
parameters = { ... }
grid_search = GridSearchCV(
    pipeline,
    parameters
)

grid_search.fit(get_data(), get_labels())
clf = [elem for elem in grid_search.estimator.steps if elem[0] == 'svm'][0][1]

print(clf)
>> SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0,
  kernel='rbf', max_iter=-1, probability=True, random_state=None,
  shrinking=True, tol=0.001, verbose=False)
print(clf.classes_)
>> Traceback (most recent call last):
  File "path/to/script.py", line 284, in <module>
  File "path/to/script.py", line 181, in re_train
    print(clf.classes_)
AttributeError: 'SVC' object has no attribute 'classes_'

从sklearn.svm导入SVC
从sklearn.grid\u搜索导入GridSearchCV
从sklearn.pipeline导入管道，FeatureUnion
管道=管道([
（“功能”，功能联合（变压器列表[…]），
（'svm'，SVC（概率=真））
])
参数={…}
grid_search=GridSearchCV(
管道
参数
)
网格搜索.fit（获取数据（），获取标签（））
clf=[elem for elem in grid_search.estimator.steps if elem[0]=='svm'][0][1]
打印（clf）
>>SVC（C=1.0，缓存大小=200，类权重=None，coef0=0.0，度=3，伽马=0.0，
kernel='rbf'，max\u iter=-1，概率=True，随机状态=None，
收缩=真，tol=0.001，详细=假）
打印（clf.类别）
>>回溯（最近一次呼叫最后一次）：
文件“path/to/script.py”，第284行，在
文件“path/to/script.py”，第181行，在REU列中
打印（clf.类别）
AttributeError:“SVC”对象没有属性“classes”
在
sklearn
中有一个classes字段，这可能意味着您调用了错误的模型，请参见下面的示例，我们可以在查看
classes\uuu
字段时看到有类：

>>> import numpy as np
>>> from sklearn.svm import SVC
>>> X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]])
>>> y = np.array([1, 1, 2, 2])
>>> clf = SVC(probability=True)
>>> clf.fit(X, y)
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0,
  kernel='rbf', max_iter=-1, probability=True, random_state=None,
  shrinking=True, tol=0.001, verbose=False)
>>> print clf.classes_
[1 2]
>>> print clf.predict([[-0.8, -1]])
[1]
>>> print clf.predict_proba([[-0.8, -1]])
[[ 0.92419129  0.07580871]]

您正在查看的
grid\u search.estimator
是不适合的管道。
classes\uu
属性仅在拟合后存在，因为分类器需要看到
y

您想要的是使用最佳参数设置训练的估计器，即
grid\u search.best\u estimator\u

以下工作将起作用：

clf = grid_search.best_estimator_.named_steps['svm']
print(clf.classes_)

[而且类的作用与你认为的完全一样]。
我相信这应该能起到作用

arr=model.predict\u proba（X）
列表1=arr.tolist（）
cls=model.class_
list2=cls.tolist（）
d={“类别”：列表2，“概率”：列表1[0]}
df=pd.数据帧（d）
打印（df）
我明白了。也许我的问题是，我的模型“隐藏”在GridSearchCV中。我用更多信息和更具体的错误消息更新了最初的帖子。