LogisticRegression.predict_proba函数究竟返回了什么？
在我的例子中，我得到了这样的结果：
array([
[4.65761066e-03, 9.95342389e-01],
[9.75851270e-01, 2.41487300e-02],
[9.99983374e-01, 1.66258341e-05]
])
从其他计算中，我知道，使用S形函数，第二列是概率。文档说第一列是n_samples，但不可能，因为我的样本是评论，是文本而不是数字。文档还说第二列是n_classes。这当然不可能，因为我只有两个类（即+1和-1），函数应该是关于计算样本真正属于一个类的概率，而不是类本身。
第一列到底是什么？为什么会出现？
4.65761066e-03 + 9.95342389e-01 = 1
9.75851270e-01 + 2.41487300e-02 = 1
9.99983374e-01 + 1.66258341e-05 = 1
第一列是该条目具有-1标签的概率，第二列是该条目的+1标签的概率。请注意，类是按照self-classes_.中的顺序排列的
如果只想获得正标签的预测概率，可以使用logistic_model.predict_proba(data)[:,1]。这将产生[9.95342389e-01, 2.41487300e-02, 1.66258341e-05]结果。
正如iulian所解释的，predict_proba()结果的每一行都是该行中观察到的每个类的概率（并且这些类按照lr.classes_中的顺序排列）。
事实上，它也与predict()密切相关，因为每行的最高概率类由predict()选择。因此，对于任何LogisticRegression（或者任何分类器），以下都是真的。
lr = LogisticRegression().fit(X, y)
highest_probability_classes = lr.predict_proba(X).argmax(axis=1)
all(lr.predict(X) == lr.classes_[highest_probability_classes]) # True