Question

我有一个基于LinearSVC的模型，并且具有可变数量的类。对于类== 2且类＆gt;的情况，决策函数具有不同的输出。 2：

decision_function（X）

...

返回：数组，shape =（n_samples，）如果n_classes == 2 else（n_samples，n_classes）：

每个（样本，类别）组合的置信度分数。在二进制的情况下，self.classes_ [1]的置信度得分，其中＆gt; 0表示将预测此类。

我想在类== 2的情况下将输出转换为与其他情况相同的格式。但我可以直接在0处镜像条目吗？

probabilities = model.decision_function(X)
    if len(probabilities[0]) == 1:
        probabilities = [(-p, p) for p in probabilities]

根据我对SVM的理解，这应该是正确的。但是sklearn对此没有任何其他说法。

Answer 1

否定概率没有意义，你想要的可能是1 - p。此外，您需要创建ndarray，而不是对的列表：

prob2 = np.zeros((len(probabilities), 2))
prob2[:,0] = 1 - probabilities
prob2[:,1] = probabilities

具有2个或更多类的sklearn decision_function

1 个答案: