1
Amy 原创整理｜资料核验：2026-11-03
MultiOutputClassifier的做法是为每一个目标分别拟合分类器。官方文档说明，只有底层分类器提供predict_proba时，包装后的模型才提供相应概率功能；多个输出的概率结果是一个列表，每个元素对应一个目标的概率数组。
教学示例：同一批5条记录同时预测一个二分类目标和一个三分类目标，结果应按两个目标分别理解，概率数组形状可分别为(5,2)和(5,3)。这不是五个互斥类别，不应把两组概率拼接后直接做一次最大值选择。类别顺序还要对照对应模型的classes_。
Amy建议：接口输出同时保存目标名称、类别标签及概率，而不只保存一串数字。性能调试也先测量：文档明确提醒，底层模型本来很快时，n_jobs大于1的并行开销可能使运行更慢。上述数字只是解释数据形状的教学示例。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.multioutput.MultiOutputClassifier.html