我想当您通过调用方法请求概率预测时应用 Softmax 函数mlp.predict_proba(X)。

为了支持我的假设，我开发了这个小实验：

from sklearn.neural_network import MLPClassifier
from sklearn.datasets import load_iris
import numpy as np

X,Y = load_iris().data, load_iris().target

mlp = MLPClassifier()
mlp.fit(X, Y)

print mlp.predict([3.1,  2.5,  8.4,  2.2])
print mlp.predict_proba([3.1,  2.5,  8.4,  2.2])
print "sum: %f"%np.sum(mlp.predict_proba([3.1,  2.5,  8.4,  2.2]))

请注意，无论插入什么值predict_proba()，输出概率向量总和为 1。这只能通过 Softmax 激活函数来实现（使用 Softmax 以外的激活函数并不能保证最终激活函数的总和layer 将是一个，特别是对于一个看不见的样本）。

如果我的猜测是正确的，查看文档我找不到在 Softmax 之前获得网络输出的任何方法......也许是因为这个类仅用于分类（而不是回归或其他花哨的设置）。

MLPClassifier 可用于“多类分类”、“二元分类”和“多标签分类”。所以输出层是根据 Y 的类型决定的：

1. Multiclass：最外层是softmax层

2. 多标签或二进制类：最外层是逻辑/乙状结肠。

3. 回归：最外层是身份

MLPClassifier 中使用的 sklearn 的部分代码证实了这一点：

        # Output for regression
        if not is_classifier(self):
            self.out_activation_ = 'identity'
        # Output for multi class
        elif self._label_binarizer.y_type_ == 'multiclass':
            self.out_activation_ = 'softmax'
        # Output for binary class and multi-label
        else:
            self.out_activation_ = 'logistic'

1. 多类分类：对于一个特征 X，只能有一个类。例如，情感分析给定一个文本（X），输出（Y）是积极的、中性的还是消极的。Binary 是 Multiclass 的一种情况，其中只有 2 个可能的输出。
2. 多标签分类：对于一个特征 X，可以有多个类。

不能同意 Daniel Lopez 的回答。在我的情况下，答案 predict_proba() 不会返回 softmax 结果。

TrideepRath 的回答可以轻松解决这个问题。要应用 softmax，请定义 out_activation_：

your_model.out_activation_ = 'softmax'