sklearn - 你如何獲得概率而不是標簽？

Question

我知道 SVM（特別是線性 SVC）有一個選項，即當您實例化時，當probability = True作為可選參數時， model.predict_proba()應該給出每個預測的概率以及標簽（1 或 0） . 但是，當我調用predict_proba() ，我不斷收到 numpy 錯誤"use all() on an 1 dimensional array" ，並且我只能弄清楚如何使用model.predict()以標簽（1 或 0）的形式獲得預測model.predict() .

Answer 1

文檔示例對我來說設置標志probability=True工作正常。 問題必須出在您的輸入數據中。 試試這個非常簡單的例子：

import numpy as np
X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]])
y = np.array([1, 1, 2, 2])
from sklearn.svm import SVC
clf = SVC(probability=True)
clf.fit(X, y) 
print(clf.predict([[-0.8, -1]]))
print(clf.predict_proba([[-0.8, -1]]))

Answer 2

您可以使用 CallibratedClassifierCV。

from sklearn.calibration import CalibratedClassifierCV

model_svc = LinearSVC()
model = CalibratedClassifierCV(model_svc) 

model.fit(X_train, y_train)
pred_class = model.predict(y_test)
probability = model.predict_proba(predict_vec)

您將獲得數組值中的預測概率分數。