我是机器学习的新手，我目前正致力于分类问题。我能够训练模型并预测测试数据集。我想知道是否有某种方式可以获得与预测相符的分数。按分数，我的意思是那些接近分数和预测。例如，在标准年龄 - 工资购买（基于年龄和工资，无论客户是否会购买产品）分类问题，我想知道他将购买该产品的100分中的分数是什么预测他是否会购买。
目前，我正在使用LibSVM Algo。是否有一些算法为我提供了以上数据？
感谢。
答案 0 :(得分：0)
您正在寻找的是支持您的决定。换句话说，许多分类器将x类的决定建立在标签Y之上：
cl(x) = arg max_{y \in Y} p(y|x)
其中p(y|x)是“x具有标签y”的内部估计。这样的分类器包括：
这些方法可以很容易地转换为0-100比例，因为概率是0-1比例。
另一方面，有些人使用与概率成比例的度量（例如SVM），但是无界限，这里你可以得到这个值（通常称为决策函数），但是你不能将它转换为0-100分（因为你没有有“最大”的价值）。这是一个很大的缺点，因此提出了一些修改。特别是对于SVM，您有Platt的缩放，它实际上适合SVM之上的逻辑回归，因此您可以获得概率估计。在libSVM中，您可以设置-b以获得概率估算值
-b probability_estimates：是否训练SVC或SVR模型进行概率估计，0或1（默认为0）