许多算法提供了一个predict_proba函数来指示一个案例属于该类的概率（例如https://scikit-learn.org/stable/modules/generated/sklearn.svm.libsvm.predict_proba.html）。
引用@Media 在解释二进制分类中的答案，输出为 0.5（真）
假设您有一个汽车分类器来区分白色和蓝色汽车。在训练期间，你有 100 张蓝色汽车的图像和 20 张白色汽车的图像。在召回阶段，如果对于任意图像，每个类别都有 50%...
如果蓝色汽车占训练案例的 83%，并且我得到predict_proba一辆蓝色汽车为 0.5，我是取概率为 0.5 还是需要将其修正为 0.83 倍？
如果我确实需要更正，我是乘以因子 (0.5*0.83) 还是除以 (0.5/0.83) 以获得正确的概率？
这取决于模型、您的训练数据是否代表测试数据，还可能取决于分类问题的“简单程度”。但简短的回答是（可能）不需要调整。
模型暴露于训练数据的不平衡；大多数模型都会将其纳入其概率分数中，因此要信任给定的概率，需要测试数据具有相似的分布。这就是我们所说的新车是蓝色的“概率”的确切含义。我认为在大多数情况下，您希望训练数据能够代表您的用例中的数据，因此我们确实希望概率能够意识到不平衡。[现在，有时在极度不平衡的情况下，某些模型可能会通过一些调整学习得更好，在这种情况下，您还需要一些“概率校准”后处理，但这通常比简单的乘法或除法更复杂你建议的方法。例如，在逻辑回归中，有'
最后，一些模型隐含地扭曲了他们的分数，所以predict_proba应该持怀疑态度。再次，查找“概率校准”。
如果蓝色汽车占训练案例的 83%，并且我得到一辆蓝色汽车的 predict_proba 为 0.5，我应该将概率设为 0.5 还是需要将其修正 0.83 倍？
首先，您的训练数据集包含 83% 的蓝色汽车这一事实与标签为蓝色的概率为 83% 不同。只有当分类器被校准时才会出现这种情况。sklearn团队实际上记录了他们流行的分类器的未校准性能：
他们声明：
校准良好的分类器是概率分类器，predict_proba 方法的输出可以直接解释为置信水平。例如，一个经过良好校准的（二元）分类器应该对样本进行分类，以便在它给出的样本中 predict_proba 值接近 0.8，大约为 0.8。80% 实际上属于正类。
如果您希望能够将标签的概率解释为置信区间，则应使用 校准分类器CalibratedClassifierCV。您可以在训练完分类器后执行此操作，方法是设置cv=prefit.CalibratedClassifierCV
最后，如果您正在处理不平衡的类，并且您想在训练期间考虑到这一点，请确保利用参数class_weight，以便在训练期间代表性不足的类具有更高的权重。