Scikit learn 我是否需要像使用glm一样将sklearn predict_proba（）返回值从logit转换为概率？
我是否需要像使用glm一样将logit的返回值转换为概率？这个问题是由一个简单的logistic回归输出的0.5阈值附近的极窄概率分布引起的 提出了这样一个问题：这些概率是真的吗？因为离散度看起来太窄了。我随后应用了Scikit learn 我是否需要像使用glm一样将sklearn predict_proba（）返回值从logit转换为概率？,scikit-learn,logistic-regression,prediction,Scikit Learn,Logistic Regression,Prediction,我是否需要像使用glm一样将logit的返回值转换为概率？这个问题是由一个简单的logistic回归输出的0.5阈值附近的极窄概率分布引起的 提出了这样一个问题：这些概率是真的吗？因为离散度看起来太窄了。我随后应用了CaliblatedClassifiedRCV，这增加了概率结果的“扩散”，这可能有助于解决问题，但问题是predict\u proba是否需要像logit一样进行修改： def log_convert(prob): prob = math.exp(prob)
CaliblatedClassifiedRCVpredict\u probadef log_convert(prob):
prob = math.exp(prob)/(1+math.exp(prob))
return prob
calc_prob = [log_convert(x) for x in probability]
softmax（）