![](/img/trans.png)
[英]How to get probability and label prediction at the same time using sklearn
[英]sklearn - how do you get a probability instead of a label?
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()
.
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]]))
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。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.