sklearn - 你如何获得概率而不是标签？

Question

我知道SVM（特别是线性SVC）有一个选项，即当probability = True作为可选参数实例化时，model.predict_proba()应该给出每个预测的概率以及标签（1或0）。但是，当我调用"use all() on an 1 dimensional array"时，我一直收到numpy错误predict_proba()，我只能弄清楚如何使用model.predict()以标签（1或0）的形式进行预测。

Answer 1

文档示例适用于我设置标记probability=True。问题必须出在输入数据中。试试这个非常简单的例子：

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]]))

Answer 2

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)

您将获得数组值中的预测概率分数。