predict_proba返回的是一个 n 行 k 列的数组， 第 i 行 第 j 列上的数值是模型预测 第 i 个预测样本为某个标签的概率，并且每一行的概率和为1。

predict返回对应的分类

代码：

# conding :utf-8  

from sklearn.linear_model import LogisticRegression  

import numpy as np  

x_train = np.array([[1,2,3],  

                    [1,3,4],  

                    [2,1,2],  

                    [4,5,6],  

                    [3,5,3],  

                    [1,7,2]])  

y_train = np.array([3, 3, 3, 2, 2, 2])  

x_test = np.array([[2,2,2],  

                   [3,2,6],  

                   [1,7,4]])  

clf = LogisticRegression()  

clf.fit(x_train, y_train)  

# 返回预测标签  

print(clf.predict(x_test))  

# 返回预测属于某标签的概率  

print(clf.predict_proba(x_test))  

# [2 3 2]  

# [[0.56651809 0.43348191]  

#  [0.15598162 0.84401838]  

#  [0.86852502 0.13147498]]  

# 分析结果：  

# 预测[2,2,2]的标签是2的概率为0.56651809，3的概率为0.43348191  

#  

# 预测[3,2,6]的标签是2的概率为0.15598162，3的概率为0.84401838  

#  

# 预测[1,7,4]的标签是2的概率为0.86852502，3的概率为0.13147498