这似乎最相关：如何在 spark.mllib 的分类模型中获取每个实例的概率
我正在使用 spark ml 进行分类任务，构建 MultilayerPerceptronClassifier。一旦我建立了一个模型，我可以得到一个给定输入向量的预测类，但我不能得到每个输出类的概率。上面的清单表明 NaiveBayesModel 从 Spark 1.5.0 开始支持此功能（使用 predictProbabilities 方法）。我想了解 MLPC 的这个功能。有没有办法破解它来获得我的概率？它会包含在 1.6.2 中吗？
如果您查看MLPC 源代码中的这一行，您可以看到 MLPC 正在从TopologyModel提供.predict我正在寻找的方法的底层工作。MLPC 将结果解码Vector为单个标签。
我可以使用经过训练的 MLPC 模型TopologyModel使用其权重创建一个新模型：
MultilayerPerceptronClassifier trainer = new MultilayerPerceptronClassifier()...;
MultilayerPerceptronClassificationModel model = trainer.fit(trainingData);
TopologyModel topoModel = FeedForwardTopology.multiLayerPerceptron(model.layers(), true).getInstance(model.weights());
我认为简短的回答是否定的。
MultilayerPerceptronClassifier 不是概率的。在训练后设置权重（和任何偏差）时，给定输入的分类将始终相同。
我认为，您真正要问的是“如果我要通过给定幅度的某些随机干扰来调整权重，那么分类与没有调整的情况有多大可能相同？”
您可以通过重新训练感知器（使用不同的、随机选择的起始条件）来进行临时概率计算，并对各种分类的概率有所了解。
但我不认为这真的是 MLPC 预期行为的一部分。