Sklearnは、複数の出力

Question

を予測する私は、次のコードを書いた：

from sklearn import tree 

# Dataset & labels 
# Using metric units 
# features = [height, weight, style] 
styles = ['modern', 'classic'] 
features = [[1.65, 65, 1], 
      [1.55, 50, 1], 
      [1.76, 64, 0], 
      [1.68, 77, 0] ] 
labels = ['Yellow dress', 'Red dress', 'Blue dress', 'Green dress'] 

# Decision Tree 
clf = tree.DecisionTreeClassifier() 
clf = clf.fit(features, labels) 

# Returns the dress 
height = input('Height: ') 
weight = input('Weight: ') 
style = input('Modern [0] or Classic [1]: ') 
print(clf.predict([[height,weight,style]])) 

このコードは、その彼女に、より良いフィットドレスを返し、その後、使用者の身長と体重を受けます。複数のオプションを返す方法はありますか？たとえば、2つ以上のドレスを返します。

UPDATE

from sklearn import tree 
import numpy as np 

# Dataset & labels 
# features = [height, weight, style] 
# styles = ['modern', 'classic'] 
features = [[1.65, 65, 1], 
      [1.55, 50, 1], 
      [1.76, 64, 1], 
      [1.72, 68, 0], 
      [1.73, 68, 0], 
      [1.68, 77, 0]] 
labels = ['Yellow dress', 
      'Red dress', 
      'Blue dress', 
      'Green dress', 
      'Purple dress', 
      'Orange dress'] 

# Decision Tree 
clf = tree.DecisionTreeClassifier() 
clf = clf.fit(features, labels) 

# Returns the dress 
height = input('Height: ') 
weight = input('Weight: ') 
style = input('Modern [0] or Classic [1]: ') 

print(clf.predict_proba([[height,weight,style]])) 

ユーザーは1.72メートルと68キロであれば、私は緑と紫のドレスの両方を表示したいです。この例では、緑のドレスの100％を返します。

Answer 1

はいできます。実際にあなたができることは、各クラスの確率を得ることができるということです。いくつかのクラシファイアには.predict_proba()という機能が実装されています。

here、sklearnのドキュメントを参照してください。

各クラスのサンプルのメンバーシップの確率を返します。

たとえば、2つ、3つの最も高い確率に関連付けられたラベルを返すことができます。

Answer 2

predict_proba（）メソッドを使用すると、特定のアイテムのすべてのクラスについて確率を得ることができます。詳細については、 "predict_proba（）" のためにこれを確認します

http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html

を希望このことができます。..

Answer 3

predict()は高い確率でのみクラスを返します。 predict_proba()を代わりに使用すると、各クラスの確率で配列が返されるため、たとえば、特定のしきい値を超えるものを選択できます。

Hereは、このメソッドのドキュメントです。

probs = clf.predict_proba([[height, weight, style]]) 
threshold = 0.25 # change this accordingly 
for index, prob in enumerate(probs[0]): 
    if prob > threshold: 
     print(styles[index])