随机森林分类器（sklearn）的预测概率（X）似乎是静态的？

Question

对于所有的类，我想检索给定样本的预测分数/概率。我用的是sklearn的随机森林分类器。如果我使用.predict()，我的代码运行良好。但是为了显示概率，我使用了.predict_proba(X)，它总是返回相同的值，即使在{}发生变化时也是如此。为什么会这样？怎么解决？在

我把我的代码分解成相关的部分：

# ... code ... feature generation / gets the feature data
if rf is None:
    rf = RandomForestClassifier(n_estimators=80)
    rf.fit(featureData, classes)
else:
    prediction = rf.predict(featureData) # gets the right class / always different
    proba = rf.predict_proba(featureData) 
    print proba # this prints always the same values for all my 40 classes

有趣的是，max(proba)检索.predict()在第一次运行中返回的类。由于.predict()按预期工作，我相信错误是在sklearn这边，也就是说，我想有一个标志需要设置。在

有人知道吗？在

Answer 1

我想问题是你总是给predict_proba传递相同的参数。下面是我从iris数据集构建树林的代码：

from sklearn import datasets
from sklearn.ensemble import RandomForestClassifier
iris = datasets.load_iris()
X = iris.data
y = iris.target
rf = RandomForestClassifier(n_estimators=80)
rf.fit(X, y)

当我调用方法predict和predict_proba时，不同参数的类和类日志概率预测也不同，这是可以合理预期的。在

样本运行：

^{pr2}$