Question

出于某种原因，给定相同输入的带有svc的GridSearchCV会产生轻微的概率结果。我在下面发布的样本中，差异很小，但我对其他问题的影响要大得多。每次给定相同的输入时，GridSearch不应该产生相同的结果吗？

另请参阅其他用户predict_proba or decision_function as estimator "confidence"的上一个问题，该问题解决了与Logistic回归相同的问题，但结果证明这是一个错误 - 也许这也是？或者GridSearchCV是否使用随机种子？在这个演示问题中差别并不算太差，但我还有其他更复杂的问题，其中概率差异足以预测二元状态的另一面。

from sklearn import svm, grid_search, datasets
iris = datasets.load_iris()
parameters = {'kernel':('linear', 'rbf'), 'C':[1, 10]}
svr = svm.SVC(probability=True)
clf = grid_search.GridSearchCV(svr, parameters)
clf.fit(iris.data, iris.target)
clf.predict_proba(iris.data)

array([[  9.75883684e-01,   1.55259588e-02,   8.59035759e-03],
       [  9.61565216e-01,   2.74888948e-02,   1.09458891e-02],
       [  9.74605121e-01,   1.68928925e-02,   8.50198656e-03],
       [  9.58212635e-01,   2.97479036e-02,   1.20394616e-02],
....

当我再次运行完全相同的代码时，我得到：

array([[  9.76047242e-01,   1.54138902e-02,   8.53886802e-03],
       [  9.61893348e-01,   2.72510317e-02,   1.08556202e-02],
       [  9.74780630e-01,   1.67675046e-02,   8.45186573e-03],
       [  9.58586150e-01,   2.94842759e-02,   1.19295743e-02],'

我可以一次又一次地运行并获得更多不同的结果。

对于svc上的GridSearchCV这是正常的，还是我做错了，或者这是一个错误？

我正在使用scikit-learn .14.1。

谢谢。

Answer 1

SVM不支持概率。解决此问题的技巧是基本上对每个数据点到SVM决策边界的边距进行逻辑回归。如果我们直接这样做，可能会出现一些问题，即所有支持向量的距离都为+ - 1.为了避免这种偏差，会创建3个折叠并执行类似CV的过程以获得1/3的边距值一次数据（在另外2/3的数据上训练）。然后对这些值进行逻辑回归，并在整个数据集上重新训练SVM。这称为Platt Scaling。 CV部分是随机性的来源。

我有一个post，其中包含一些2D示例和更多解释。

为什么在scikit-learn上的SVC上的GridSearchCV在给定相同输入的情况下会产生不同的概率？

1 个答案: