>我有一个数据集，我把它一分为二，用于训练和测试带有scikit learn的随机森林分类器。
我有87个班级和344个样本。大多数时候，predict_proba 的输出是一个 3 维数组(87, 344, 2)（它实际上是 87 numpy.ndarray s 的(344, 2)元素的list）。
有时，当我选择不同的样本子集进行训练和测试时，我只会得到一个二维数组(87, 344)（尽管我无法确定在哪些情况下）。
我的两个问题是：
- 这些维度代表什么？我计算出要获得 ROC AUC 分数，我必须取输出的一半（即
(87, 344, 2)[:,:,1]，转置它，然后将其与我的基本事实进行比较（本质上roc_auc_score(ground_truth, output_of_predict_proba[:,:,1].T)）。但我不明白它的真正含义。 - 为什么输出会随着数据的不同子集而变化？我不明白在哪些情况下它会返回 3D 数组，在哪些情况下返回 2D 数组。
>classifier.predict_proba()返回类概率。数组的n维度将根据您训练的子集中有多少类而有所不同
您确定用于适合射频的阵列具有正确的形状吗？（n_samples，n_features） 用于数据，（n_samples） 用于目标类。在您的例子中，您应该获得形状为 （n_samples，n_classes） 的Y_pred数组 （344,87），其中第 r 行的第 i 项是样本 X[r，：] 的类 i 的预测概率。请注意，sum( Y_pred[r,:] ) = 1 .
但是，我认为如果您的目标数组 Y 具有形状 （n_samples，n_classes），其中每一行都将是除与样本类对应的一行之外的所有零，那么 sklearn 将其视为多输出预测问题（独立考虑每个类），但我认为这不是您想要做的。在这种情况下，对于每个类和每个样本，您将预测是否属于此类的概率。
最后，输出确实取决于训练集，因为它取决于类的数量（在训练集中）。您可以使用属性 n_classes 获取它（您也可以通过手动设置来强制类的数量），也可以使用属性 classes 获取类的值。请参阅文档。
希望对您有所帮助！