我如何知道在支持向量機中通過predict（）函數預測的類的概率？

我如何知道樣本的概率，它屬於Scikit-Learn的支持向量機的預測（）函數預測的類？我如何知道在支持向量機中通過predict（）函數預測的類的概率？

>>>print clf.predict([fv]) 
[5]

有什麼功能？

來源

2013-02-22 postgres

使用clf.predict_proba（[FV]），以獲得與每個類的預測概率的列表。但是，該功能不適用於所有分類器。

關於你的評論，考慮以下因素：

>> prob = [ 0.01357713, 0.00662571, 0.00782155, 0.3841413, 0.07487401, 0.09861277, 0.00644468, 0.40790285] 
>> sum(prob) 
1.0

的概率之和爲1.0，所以乘以100得到百分比。

來源

2013-02-22 07:30:05

當創建SVC類設置probability=True計算概率估計：

http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html

然後調用fit像往常一樣，然後predict_proba([fv])。

來源

2013-02-22 08:26:45 ogrisel

它返回：預測值陣列「[[0.01357713 0.00662571 0.00782155 0.3841413 0.07487401 0.09861277 0.00644468 0.40790285]」不這個概率就像是：class 8：80％，class 4：40％ – postgres 2013-02-22 12:00:17

這是你正在尋找的東西：第7類（假設第一類是「第0類」）爲40％，第3類爲38％ 10％爲5級，7％爲4級。 – ogrisel 2013-02-24 14:59:47

肯定讀this section of the docs因爲有一些涉及微妙之處。又見Scikit-learn predict_proba gives wrong answers

基本上，如果你有充足的數據predict_proba的多類問題，因爲早先提出行之有效的。否則，您可能不得不使用不會從decision_function獲得概率分數的排序。

下面是使用predict_proba得到VS概率字典或類的列表一個很好的主題：

model = svm.SVC(probability=True) 
model.fit(X, Y) 
results = model.predict_proba(test_data)[0] 

# gets a dictionary of {'class_name': probability} 
prob_per_class_dictionary = dict(zip(model.classes_, results)) 

# gets a list of ['most_probable_class', 'second_most_probable_class', ..., 'least_class'] 
results_ordered_by_probability = map(lambda x: x[0], sorted(zip(model.classes_, results), key=lambda x: x[1], reverse=True))

來源

2013-12-26 03:44:53 Alex

我如何知道在支持向量機中通過predict（）函數預測的類的概率？

回答

相關問題