假设我创建了一个模型，我的目标变量是0、1或2。 似乎如果我使用predict，答案要么是 0，要么是 1 或 2。但是如果我使用predict_proba，我会得到一行，每行有 3 列，如下所示，例如
model = ... Classifier # It could be any classifier
m1 = model.predict(mytest)
m2= model.predict_proba(mytest)
# Now suppose m1[3] = [0.6, 0.2, 0.2]
假设我同时使用预测和predict_proba。 如果在索引 3 中，我得到上述结果和predict_proba的结果，在预测结果的索引 3 中，我应该看到 0。是这样吗？我试图了解在同一模型上使用predict和predict_proba如何相互关联。
-
predict()用于预测实际类(在您的情况下为0、1或2之一)。 -
predict_proba()用于预测类概率
从您共享的示例输出中，
predict()将输出类0，因为0的类概率为 0.6。[0.6, 0.2, 0.2]是predict_proba的输出，简单地表示类0、1和2的类概率分别为0.6、0.2和0.2。
现在，正如文档在predict_proba中提到的，生成的数组是根据您一直使用的标签进行排序的：
所有类的返回估计值按 类。
因此，在类标签[0, 1, 2]的情况下，predict_proba的相应输出将包含相应的概率。0.6是实例被分类为0的概率，0.2是实例分别被分类为1和2的概率。
有关更全面的解释，请参阅文章 在 TDS 上的 scikit-learn 中的 predict() 和 predict_proba() 有什么区别。