我在 scikit-learn 网站上关注这个示例，以使用随机森林模型执行多输出分类。

from sklearn.datasets import make_classification
from sklearn.multioutput import MultiOutputClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.utils import shuffle
import numpy as np

X, y1 = make_classification(n_samples=5, n_features=5, n_informative=2, n_classes=2, random_state=1)
y2 = shuffle(y1, random_state=1)
Y = np.vstack((y1, y2)).T

forest = RandomForestClassifier(n_estimators=10, random_state=1)
multi_target_forest = MultiOutputClassifier(forest, n_jobs=-1)
multi_target_forest.fit(X, Y).predict(X)

print(multi_target_forest.predict_proba(X))

从这里predict_proba我得到一个 2 5x2 数组：

[array([[ 0.8,  0.2],
       [ 0.4,  0.6],
       [ 0.8,  0.2],
       [ 0.9,  0.1],
       [ 0.4,  0.6]]), array([[ 0.6,  0.4],
       [ 0.1,  0.9],
       [ 0.2,  0.8],
       [ 0.9,  0.1],
       [ 0.9,  0.1]])]

我真的很期待一个矩阵n_sample。n_classes我正在努力理解这与当前班级的概率有何关系。

国家的文档predict_proba：

形状数组 = [n_samples, n_classes]，或者如果 n_outputs > 1，则为 n_outputs 此类数组的列表。

输入样本的类别概率。类的顺序对应于属性 classes_ 中的顺序。

我猜我在描述中有后者，但我仍在努力理解这与我的班级概率有何关系。

此外，当我尝试访问模型的classes_属性时，forest我得到一个AttributeError并且该属性在MultiOutputClassifier. 如何将类与输出相关联？

print(forest.classes_)

AttributeError: 'RandomForestClassifier' object has no attribute 'classes_'