怎么输出sklearn预测后的表

1. 怎么输出sklearn预测后的表

最近在拿 sklearn 做中文文本分类器, 网上找到的例子都是拿带标签的数据,二八划分后,八成用于训练模型,两成用于测试, 然后分析测试结果看精确度。

2. python sklearn中怎样预测给定的新数据

最近在拿 sklearn 做中文文本分类器，
网上找到的例子都是拿带标签的数据，二八划分后，八成用于训练模型，两成用于测试，
然后分析测试结果看精确度。
现在，我已经使用训练数据做好了模型训练（存在文本分类器的对象了），
拿一段之前数据集里面没有的文本数据，使用训练好的文本分类器做类别预测，
问题是如何拿到预测的类别的名称呢。。。
代码如下：
# cls 是之前已经训练好的文本分类器对象
pred = clf.predict(X_new)


怎样从预测结果 pred （ ndarray ）获取到分类的类别名称呢？
我有尝试过如下的方式去获取：
label_list = list()

3. 字符串可以在sklearn中进行预测吗

跟版本没关系。函数需要的传参类型不一致。明显已经说需要 字符串 和数字类型的参数了。

4. python sklearn学习后的模型怎么预测

决策树学习可能创建一个过于复杂的树，并不能很好的预测数据。也就是过拟合。
修剪机制（现在不支持），设置一个叶子节点需要的最小样本数量，或者数的最大深度，可以避免过拟合。

5. Python sklearn 训练完逻辑回归模型之后，怎么使用他做预判

from sklearn import linear_model
建立模型
model = linear_model.LinearRegression()
model.fit(x_train,y_train)
评估模型
 score = model.score(x_test, y_test)
预测模型
  result = model.predict(x_test)

6. sklearn logisticregression模型怎么返回预测的概率

1.数据生成

2.模型建立
#regr为回归过程，fit(x,y)进行回归
regr = LinearRegression().fit(dataSet_x, dataSet_y)
#输出R的平方
print(regr.score(dataSet_x, dataSet_y))
plt.scatter(dataSet_x, dataSet_y,  color='black')
3.模型预测

#用predic预测，这里预测输入x对应的值，进行画线
plt.plot(dataSet_x, regr.predict(dataSet_x), color='red', linewidth=1)
plt.show()
--------所以模型预测，调用.predict函数就行

7. 使用python+sklearn的决策树方法预测是否有信用风险

决策树学习可能创建一个过于复杂的树，并不能很好的预测数据。也就是过拟合。
修剪机制（现在不支持），设置一个叶子节点需要的最小样本数量，或者数的最大深度，可以避免过拟合。

8. sklearn 线性回归 如何得出回归结果的置信区间

sklearn的LinearRegression类不提供题主说的置信区间的功能，整个sklearn也没有这个功能。想要求出预测的置信区间有两种可选的办法：
1，自己编程实现置信区间的功能；
2，转而使用基于python的statsmodels模块，这个模块可以提供置信区间，P值等统计方面的指标分析。

看题主的问题，题主的背景应该是统计或经济类专业吧。sklearn的面向对象是机器学习的使用者，这里面的大多数人来自计算机领域，他们更关心模型的预测性能，而不太关心模型的统计指标分析。statsmodels则兼顾模型的预测性和可解释性。