二分类邮件模型测试预测输出重复数组，如何生成单样本每行一个得分的文件

数据集结构 #

train: 2000 files
hit.txt
nohit.txt
hit.txt

Test: 1500 
hit.txt
nohit.txt
hit.txt

原始问题代码 #

test_dir = 'test/'
dictionary = make_dic(test_dir)

features_, labels_ = make_dataset(dictionary)

calibrated_pred_final = calibrated_clf_pipe.predict(features_)
# 输出：array([1, 1, 1, ..., 1, 1, 0])

test_pred_final = calibrated_clf_pipe.predict_proba(features_)
import numpy as np
batch_y = np.array(test_pred_final).flatten()

f = open('scores.txt', 'w')
for i in range(len(batch_y)):
    f.write(str(batch_y))    

错误表现 #

生成的scores.txt为完整数组重复写入的格式：

[0.38636364 0.61363636 0.05147059 ... 0.61363636 0.86734694 0.13265306][0.38636364 0.61363636 0.05147059 ... 0.61363636 0.86734694 0.13265306]

预期输出 #

每个测试样本对应一个得分，每行输出一个：

0.38636364     
0.61363636 
0.05147059
...

问题原因 #

1. 写入逻辑错误：遍历数组下标时，每次写入的是完整batch_y数组的字符串形式，循环执行次数等于数组长度，导致数组整体被重复写入多次。
2. 二分类场景下predict_proba输出处理不规范：predict_proba返回维度为(样本数, 类别数)的数组，直接全量flatten会把每个样本的两类得分都展开，若仅需正类得分应单独提取对应列。

修复代码 #

通用修复（保留原有flatten逻辑） #

替换写入部分代码即可，使用with上下文管理器自动管理文件句柄：

with open('scores.txt', 'w') as f:
    for score in batch_y:
        f.write(f"{score}\n")

二分类场景优化方案（仅输出正类得分） #

import numpy as np

test_pred_final = calibrated_clf_pipe.predict_proba(features_)
# 提取所有样本的正类（第1类）得分，维度为(样本数,)无需额外flatten
batch_y = test_pred_final[:, 1]

# 按行写入文件，可自定义保留小数位数
with open('scores.txt', 'w') as f:
    for score in batch_y:
        f.write(f"{score:.8f}\n")

内容的提问来源于stack exchange，提问作者KSp