Python机器学习手册：从数据预处理到深度学习

问题描述

校准由朴素贝叶斯分类器得出的预测概率，使它们可以被解释。

解决方案

使用CalibratedClassifierCV：

讨论

分类的概率是机器学习模型中常见且有用的组成部分。在scikit-learn中，大部分学习算法允许我们使用predict_proba查看各个分类的预测概率。这一点极其有用。比如，模型预测的结果是观察值有超过90%的概率属于某一个分类，而我们只想预测为一个特定分类。但是，包括朴素贝叶斯分类器在内的一些模型，它们输出的概率并不是真实世界的概率。换句话说，predict_proba有可能预测一个观察值属于某一个分类的概率为0.7（70%），但是在真实世界中，这个概率可能是10%或者99%。特别是在朴素贝叶斯中，尽管对不同目标分类的预测概率的排序