Question

在LIBSVM中，-b中的svmtrain标志用于训练SVC或SVR模型以进行概率估计。为了获得测试集的相应结果，我们还将-b结果设置为svmpredict

例如，在MATLAB中，我们会编写以下代码来训练和测试，并启用概率估算：

model = svmtrain(train_labels, train_set, '-b 1')
[result, accuracy, prob] = svmpredict(test_labels, test_set, '-b 1')

但是，在scikit-learn库中初始化SVC时，我们只能在训练时设置-b标志，这与在-b上设置svmtrain标志相同：

clf = scikit.svm.SVC(probability=True)

为了在scikit-learn中进行测试，我使用clf.predict(test_set)来获取课程。但是，当我使用带有svmpredict标志的-b 1时，会产生不同的结果。

scikit-learn svm在使用-b进行测试期间设置svmpredict标志的等效内容是什么？

Answer 1

Scikit-learn没有使用标志来预测分类器的概率，还有一个名为.predict_proba的附加功能。看看documentation。

概率是使用Platt scaling确定的，这是一种将来自分类器的任意输出组合成类概率的方法。