索引错误:太多的索引 scikit 模型在尝试预测概率并存储在数组中时

Question

我正在使用scikit，并在使用以下代码后尝试使用svm和logisticregression预测概率：

preds = []
model.fit(X_train, y_train)
pred = model.predict(X_test)
print "Training time: %0.3fs" % (time() - t0)
preds.append(array(pred[:,1]))

下一行出错

preds.append(array(pred[:,1]))

作为索引错误：索引过多

Answer 1

predict返回一个最有可能的标签数组。如果你想要每个类的概率，你应该调用predict_proba 。请注意，SVM 默认不提供概率估计，您需要在构造时通过传递probability=True来启用它。