对DecisionTreeClassifi预测的信心

Question

我试图理解分类算法是如何创建一种通用管道的，所以我刚从LinearSVC模型开始。一般来说，我在做：

model = LinearSVC(loss='squared_hinge', penalty='l2', dual=False, tol=1e-3)
model.fit(X_train, y_train)
pred_labels = model.predict(X_unlabeled)  
confidence_on_pred_labels = model.decision_function(X_unlabeled)

我真的需要，作为输出，预测标签和他们的信心。但是当我试着用其他型号的时候，我可以´我找不到一个方法来获得信任。例如

model = DecisionTreeClassifier(random_state=0)
model.fit(X_train, y_train)
pred_labels = model.predict(X_unlabeled)  
confidence_on_pred_labels = model.predict_proba(X_unlabeled)

在这种情况下，predict_proba为每个预测标签返回一个元组，其中包含[0,1]作为值（而不是0和1之间的置信度作为单个数字）。我的意思是，绝对所有的预测都有0或1的值，中间没有值。如果我跑了

set(model.predict_proba(X_unlabeled)[:,1]) I will get [0.0, 1.0] 

这正常吗

我怎么能得到这样一个号码？或者其他哪些模型能让我得到预测的自信？ 最好的

Answer 1

没有标签的X和没有标签的X是相同的数据吗？这可能就是为什么你的概率显示为[0.1]。如果你给它的数据，而不是你试图实际预测，但不是相同的，你应该得到不同的概率。model.predict\u probability应该可以向你展示类概率