假设我在Python中有一个经过训练的SVM分类器，标志为＆＃34; Probability = True＆＃34;为：
classifier = SVC(C = 1000000, gamma = 10, probability=True)
classifier.fit(my_data, the_labels)
当我执行新数据的分类时，我想仅保留概率高于阈值的分类新数据，让我们说0.90。我怎样才能做到这一点？直到现在我正在做这样的事情，但我被困住了：
labels_predicted = classifier.predict(new_data)
probabilities = classifier.predict_proba(new_data)
第一个命令返回实际标签，第二个命令返回其标签的概率。因此，对于每个数据点，我都有其最大似然标签及其所有相关概率属于所有标签。但最大可能性标签可能是0.4，我不想要它。如何只保留具有特定阈值的标签？
答案 0 :(得分：2)
据我所知，SVC本身不允许以您想要的方式对概率进行阈值处理。在构建labels_predicted和probabilities后，您可以再次建立索引并获取接受的标签。
thresh = 0.9
accepted_probabilities_idx = probabilities.max(axis=1) > thresh
accepted_labels_predicted = labels_predicted[accepted_probabilities_idx]
accepted_new_data = pandas.DataFrame(new_data, index=accepted_probabilities_idx)
我不确定你想用ML-probability低的数据做什么。这个解决方案完全抛弃它。