Scikit learn sklearn分类器的概率预测（predict_proba）是否包括召回率/精确度

我使用

sklearn.linear\u model.LogisticRegression

构建了一个分类器，当我做出新的预测时，我还输出了

predict\u proba（）

概率预测。我的问题是，这些预测是否包括模型拟合优度的指标？例如，我喜欢输出

metrics.classification\u report

，并考虑在通过

predict\u proba（）

评估概率输出之前使用召回率作为贝叶斯，但如果召回率和精度已经被纳入

predict\u proba（）

，那么我不想重复计算

---

我很想听听人们的想法

我不擅长朴素贝叶斯或高斯过程，但根据它返回X的

joint\u log\u likelion（）

指数，不管它是什么意思。所以IMO没有考虑召回事件。希望它能有所帮助，为什么你在谈论朴素贝叶斯时会标记逻辑回归？Vivek，我使用的是逻辑回归算法，而不是朴素贝叶斯作为分类器。我只引用了贝叶斯统计，因为它们可以用来将回忆（先验）与预测概率（测量）结合起来，给出后验概率。啊。很抱歉我的bad

predict\u proba

只返回标准逻辑回归概率（输入向量x系数的logit函数，请参阅）。这里没有关于拟合优度或回忆的信息。我不是朴素贝叶斯或高斯过程的专家，但根据它返回X的

joint\u log\u likelion（）

指数，不管它是什么意思。所以IMO没有考虑召回事件。希望它能有所帮助，为什么你在谈论朴素贝叶斯时会标记逻辑回归？Vivek，我使用的是逻辑回归算法，而不是朴素贝叶斯作为分类器。我只引用了贝叶斯统计，因为它们可以用来将回忆（先验）与预测概率（测量）结合起来，给出后验概率。啊。很抱歉我的bad

predict\u proba

只返回标准逻辑回归概率（输入向量x系数的logit函数，请参阅）。没有关于拟合优度或回忆的信息。。