机器学习中如何获取预测概率并转换为百分比格式？

没问题，我来帮你搞定这个概率值转百分比的需求，分几种实用场景给你方案：

1. 转换为百分比数值并关闭科学计数法显示 #

如果只是想要常规的百分比数值（不带%符号），可以通过数组运算配合numpy的打印设置实现：

# 获取模型的概率输出
proba_array = loaded_model.predict_proba(inputs)

# 将概率值乘以100转换成百分比数值
proba_percent = proba_array * 100

# 设置numpy禁用科学计数法，保留2位小数（可根据需求调整precision参数）
np.set_printoptions(suppress=True, precision=2)

# 打印转换后的结果
print(proba_percent)

输出会变成类似 [[100. 0.] [100. 0.] [99.99 0.01] ...] 的直观格式，不会再出现科学计数法。

2. 转换为带%符号的字符串格式 #

如果需要直接得到如"100.00%"、"0.01%"这类带百分比符号的结果，可以用以下两种方式：

方法一：用numpy批量处理字符串格式化 #

# 定义格式化函数
def format_to_percent(x):
    return f"{x*100:.2f}%"

# 用vectorize批量应用函数到整个数组
proba_percent_str = np.vectorize(format_to_percent)(proba_array)

print(proba_percent_str)

输出结果会是 [['100.00%' '0.00%'] ['100.00%' '0.00%'] ...] 的字符串数组。

方法二：结合Pandas DataFrame展示（更易读） #

因为你本身在用Pandas处理数据，把概率结果转成DataFrame再格式化会更友好：

# 假设是二分类模型，自定义列名（多分类可对应调整）
proba_df = pd.DataFrame(proba_array, columns=["类别0概率", "类别1概率"])

# 批量将数值转为带%的格式，保留2位小数
proba_df = proba_df.applymap(lambda x: f"{x*100:.2f}%")

# 查看前几行结果
print(proba_df.head())

这样会生成一个结构清晰的表格，方便查看每个样本对应的类别百分比。

3. 临时关闭科学计数法（不影响全局配置） #

如果你不想全局修改numpy的打印设置，只是临时查看格式化后的结果，可以用上下文管理器：

with np.printoptions(suppress=True, precision=2):
    print(proba_array * 100)

这个设置只会在该代码块内生效，不会改变全局的numpy打印规则。

补充：模型score和预测值的处理 #

顺便补充你提到的另外两个需求：

• 模型score：你已经通过loaded_model.score(X_testt, y_testt)拿到了准确率，也可以转成百分比显示：

  print(f"模型准确率：{result*100:.2f}%")
  

• 预测值：直接调用loaded_model.predict(inputs)即可获取每个样本的类别标签。

内容的提问来源于stack exchange，提问作者user13456401