AttributeError：'LinearSVC'对象没有属性'predict_proba'

Question

我正在尝试使用 LinearSVC分类器

更新：添加了导入

import nltk
from nltk.tokenize import word_tokenize
from nltk.classify.scikitlearn import SklearnClassifier
from sklearn.svm import LinearSVC, SVC

LinearSVC_classifier = SklearnClassifier(LinearSVC())
LinearSVC_classifier.train(featuresets)

但是当我试图用概率对其进行分类时

LinearSVC_classifier.prob_classify(feats)

发生AttributeError：

AttributeError:'LinearSVC' object has no attribute 'predict_proba'

我检查了sklearn文档，它告诉该函数存在。

如何解决这个问题？

Answer 1

根据sklearn documentation，方法＆＃39; predict_proba ＆＃39;没有为＆＃39; LinearSVC ＆＃39;

定义

解决方法：

LinearSVC_classifier = SklearnClassifier(SVC(kernel='linear',probability=True))

将SVC与线性内核一起使用，概率参数设置为 True 。 正如here中所述。

Answer 2

鉴于你的问题，没有提到像NLTK这样的外包装（标签除外），所以很难掌握你真正需要的东西！

Vivek Kumar的评论适用。 LinearSVC不支持概率，而SVC则支持概率。

现在另外一些评论：

• SVM理论与概率关系不大，对此的支持来自使用交叉验证的额外方法和额外的分类器
  • 请参阅Platt scaling
• LinearSVC的核心解算器，liblinear没有内置支持
• 上面 mdilip 的方法是一种有效的解决方法，但是：
  • SVC基于libsvm，因此速度较慢（可能还没有为大规模做好准备）
• 替代方案：构建自己的管道，包括：
  • LinearSVC
  • sklearn＆＃39; s probability-calibration

似乎有人在此之前发现了problem。

Answer 3

您可以使用_predict_proba_lr()代替predict_proba。像这样：

from sklearn import svm
clf=svm.LinearSVC()

clf.fit(X_train,Y_train)

res= clf._predict_proba_lr(X_test,Y_test)

res将是每个类别相对于样本的概率的二维数组。

Answer 4

如果训练模型和预测模型之间的scikit-learn模块版本之间存在不匹配，则会发生这种情况。