如何解释Predive_proba？

Question

我正在学习员工的离职预测，我得到了下面的结果。 如果我看到第一行，我可能会解释为这位员工将使公司跌83％。 我能正确理解吗？

    Output exceeds the size limit. Open the full output data in a text editor
array([[0.17, 0.83],
       [0.43, 0.57],
       [0.29, 0.71],
       [0.94, 0.06],
       [0.98, 0.02],
       [0.84, 0.16],
       [0.64, 0.36],
       [1.  , 0.  ],
       [0.85, 0.15],
       [0.99, 0.01],
       [0.09, 0.91],
       [0.89, 0.11],
       [0.21, 0.79],
       [0.15, 0.85],
       [0.78, 0.22],
       [0.18, 0.82],
       [0.84, 0.16],
       [0.45, 0.55],
       [0.96, 0.04],
       [0.95, 0.05],
       [0.91, 0.09],
       [0.9 , 0.1 ],
       [1.  , 0.  ],
       [0.91, 0.09],
       [0.74, 0.26],
...
       [0.94, 0.06],
       [0.99, 0.01],
       [0.22, 0.78],
       [0.89, 0.11],
       [0.98, 0.02]])

Answer 1

模型得分是对结果的模型确定性的度量。但是，这并不一定与概率相同：这并不意味着83％的人得分为0.83。逻辑回归分数是设计的概率，但是对于随机的森林行为是定义的。如果您寻求将分数直接集成到业务指标中，则需要先校准模型（例如sklearn.calibration.calibratedClassifiercv或iSotonic回归）。