オブジェクトを0または1のいずれかに分類したいが、オブジェクトが0.7の場合はモデルに 'likeliness'確率を返すことが望ましいクラス1に入っている可能性があります。回帰分析を行うか、分類子を使用してpredict_proba関数を使用しますか？回帰vs分類子predict_proba
回帰とpredict_probaの機能はどのように異なっていますか？
ご協力いただきありがとうございます。
ありがとうございました！
一般に、カテゴリまたはクラスの間で分類する定性的問題については、が分類を優先します。
たとえば、それが夜か日であるかどうかを特定する。
定量問題については、問題を解決するために回帰を推奨します。
たとえば、その0番目のクラスまたは1番目のクラスを識別する。
しかし、特殊なケースでは、クラスが2つしかない場合です。次に、分類と回帰の両方を使用して、2つのクラスの問題を解決することができます。
この説明は、2クラスの視点またはマルチクラスの問題のために行われます。回帰は、クラスではなく、実際の量的問題に対処することです。
確率は、方法を特に扱うものではありません。それぞれの方法は確率を推論し、それに基づいて結果を予測します。
の質問から
predict_probaへの参照を説明するとよいでしょう。
希望すると助かります！
predict_proba関数について言及しているので、私はあなたがscikit-learn APIを参照していると仮定しています。
クラスメンバーシップの確率を得るには、これが正しい関数です。ロジスティック回帰の場合、この関数は何とか自然出力です。
回帰（特徴ベクトルの、例えば、いくつかの線形関数）を確認ロジスティックシグモイド関数を介して、事後確率と関連している連続値を与えるべきです。 –