如何使用sklearn获得准确的机器学习模型输出

Question

我已经使用maxvoting（决策树，随机森林，逻辑回归）分类器建立了机器学习模型。对于我有输入为

{“薪水”：50000，“当前贷款”：15000，“信用分数”：616，“请求的贷款”：25000}

当我将此数据传递给模型时。它给出的预测为

{“状态”：已批准}

但是我需要检索响应，如

{“状态”：批准，“准确性”：0.87}

任何帮助将不胜感激

Answer 1

似乎您可能正在使用sklearn的VotingClassifier。装配好分类器后，即可通过属性VotingClassifier查看与每个类相关的概率。请注意，这实际上是每个类别的关联概率，而不是准确性。因此，如果您希望测试样本的类别为predict_proba，则必须在相应列上为输出predict_proba编制索引。这是使用sklearn的虹膜数据集的示例：

n

例如，我们可以获得与第一类相关的概率：

y_pred_prob

最后，要获得您所描述的输出，可以使用

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier, VotingClassifier

from sklearn.linear_model import LogisticRegression
from sklearn.naive_bayes import GaussianNB

clf1 = LogisticRegression(multi_class='multinomial', random_state=1)
clf2 = RandomForestClassifier(n_estimators=50, random_state=1)
clf3 = GaussianNB()

X, y = load_iris(return_X_y=True)

X_train, X_test, y_train, y_test = train_test_split(X, y)

eclf2 = VotingClassifier(estimators=[
        ('lr', clf1), ('rf', clf2), ('gnb', clf3)],
        voting='soft')

eclf2 = eclf2.fit(X_train, y_train)

返回的结果来索引2D概率数组，如下所示：

eclf2.predict_proba(X_test)[:,0].round(2)

array([0.99, 0.  , 0.  , 0.  , 0.  , 0.  , 0.01, 0.01, 0.  , 0.  , 0.  ,
       0.99, 0.  , 0.99, 0.99, 0.  , 0.  , 0.  , 0.  , 0.  , 0.  , 0.  ,
       0.  , 0.01, 0.98, 0.  , 1.  , 0.99, 0.  , 0.  , 0.  , 0.99, 0.98,
       0.  , 0.99, 0.  , 0.01, 0.99])

或者，如果您希望将输出作为字典：

predict