Question

我培训了IntVar一组165个类别。

现在我已经可以用它来预测某些输入，但有时它会失败，知道如何有信心＆＃34;是每个预测的分类器以及其他考虑因素。

据我了解，我使用PassiveAggressiveClassifier

获取每个类别的距离

decision_function

这给了我这样的距离：

distances = np.array(ppl.decision_function(sample))

现在我有两个问题： 1是否可以将距离映射回类别，因为数组的长度（159）与我的类别数组不匹配。

第2，如何使用距离计算单个预测的置信度？

Answer 1

问题1

根据评论，确保所有课程都包含在培训集中。例如，您可以使用train_test_split函数并将目标传递到stratify参数来实现此目的。执行此操作后，问题将消失，每个类将有一个分类器。因此，如果您将样本传递给decision_function方法，则每个类的超平面将有一个距离。

问题2

您可以通过重新缩放和标准化（即softmax）将距离转换为概率。这已在_predict_proba_lr方法内部实现。请参阅源代码here。