如何筛选预测概率超80%的行并计算clf.predict的np.mean

嗨，咱们一步步来搞定这个问题。首先得指出你现有代码里的一个关键bug：clf.predict_proba返回的是0到1之间的概率值（不是百分比），所以原代码里用proba[0][0] < 80来判断完全不对——所有概率都会满足这个条件，导致错误删除几乎所有样本。你应该把阈值改成0.8（对应80%）才对。

接下来，在正确筛选出「至少有一项预测概率≥80%」的样本后，计算clf.predict结果的均值就很简单了，分两步：对筛选后的样本做预测，再用numpy计算均值。

下面是修正并补充完整的代码：

import numpy as np
from sklearn.tree import DecisionTreeClassifier

clf = DecisionTreeClassifier(random_state=1)
clf.fit(X, Y)

dropIndexes = []
for i in range(len(X)):
    proba = clf.predict_proba([X.values[i]])
    # 修正：用0.8（即80%）作为阈值，判断两个概率是否都低于80%
    if (proba[0][0] < 0.8 and proba[0][1] < 0.8):
        dropIndexes.append(i)

# 删除所有预测值均低于80%的行（建议用inplace=False，避免修改原始数据集）
X_filtered = X.drop(dropIndexes, inplace=False)
Y_filtered = Y.drop(dropIndexes, inplace=False)

# 对筛选后的样本进行预测
predictions = clf.predict(X_filtered)

# 计算预测结果的均值
mean_prediction = np.mean(predictions)

print(f"筛选后预测结果的均值为: {mean_prediction}")

额外优化建议 #

如果你的样本量很大，手动循环遍历每个样本效率会很低，推荐用向量化操作替代循环，代码更简洁高效：

import numpy as np
from sklearn.tree import DecisionTreeClassifier

clf = DecisionTreeClassifier(random_state=1)
clf.fit(X, Y)

# 一次性获取所有样本的预测概率
all_probas = clf.predict_proba(X)
# 生成筛选掩码：至少有一个概率≥0.8的样本标记为True
keep_mask = (all_probas >= 0.8).any(axis=1)
# 筛选样本
X_filtered = X[keep_mask]
Y_filtered = Y[keep_mask]

# 计算预测结果均值
predictions = clf.predict(X_filtered)
mean_prediction = np.mean(predictions)

print(f"筛选后预测结果的均值为: {mean_prediction}")

内容的提问来源于stack exchange，提问作者Miraslav