如何获取逻辑回归等分类模型预测结果的类别概率？

scikit-learn中训练好的LogisticRegression模型，predict()方法仅返回概率最高的类别标签，要获取每个类别的对应概率，直接调用内置的predict_proba()方法即可。

核心方法说明 #

• model.predict(输入样本)：返回预测的类别标签，不包含概率信息
• model.predict_proba(输入样本)：返回维度为(样本数量, 类别数量)的二维数组，每个元素对应该样本属于某一类别的概率，单样本所有类别概率之和为1
• model.classes_：模型训练完成后自动生成的属性，存储类别顺序，和predict_proba()返回的概率列顺序一一对应，可避免概率和类别匹配错误

可直接运行的代码示例 #

原有训练代码无需修改，预测部分补充如下逻辑即可：

model = LogisticRegression()
model.fit(x_train, y_train)

# 确认概率对应的类别顺序
print(model.classes_)
# 鸢尾花数据集上的典型输出：array(['setosa', 'versicolor', 'virginica'], dtype=object)

# 拿到测试样本的所有类别概率
prob_result = model.predict_proba(my_one_test)

# 格式化输出每个类别的概率
for cls, p in zip(model.classes_, prob_result[0]):
    print(f"类别{cls}的预测概率：{p*100:.1f}%")

运行后就能得到类似预期的结果：

类别setosa的预测概率：89.0%
类别versicolor的预测概率：6.0%
类别virginica的预测概率：5.0%

如果只需要最终预测类别的置信度，不需要其他类的概率，可以直接取概率数组的最大值：

# 获取单样本预测结果的置信度
confidence = prob_result.max(axis=1)[0]

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