我目前正处于第一次机器学习的中期，到目前为止，我还没有完全了解从decision_function(X)获得的值的规模（也无法理解它们）。
基于sklearn documentation decision_function(X)旨在：
预测样品的置信度得分。
尽管如此，在运行以下脚本时：
from sklearn.datasets import fetch_mldata
import numpy as np
from sklearn.linear_model import SGDClassifier
from sklearn.model_selection import cross_val_predict
from sklearn.metrics import confusion_matrix , precision_score, recall_score
mnist = fetch_mldata('MNIST original')
classifier = SGDClassifier(random_state = 42, max_iter = 5)
X,y = mnist["data"], mnist["target"]
some_digit = X[36001]
some_digit_image = some_digit.reshape(28, 28)
X_train, X_test, y_train, y_test = X[:60000], X[60000:], y[:60000], y[60000:]
random_order = np.random.permutation(60000)
X_train, y_train = X_train[random_order], y_train[random_order]
y_test_5 = (y_test == 5)
y_train_5 = (y_train == 5)
classifier.fit(X_train, y_train_5)
print(classifier.decision_function([X_test[1]]))
它现在为[-289809.39489525]打印decision_function，我不确定如何阅读或评估这些值（我希望看到百分比） 。如果有人可以向我解释这些读数的含义，将不胜感激。
非常感谢您。
答案 0 :(得分：3)
如何获取概率（百分比）？
使用predict_proba方法。
什么是 decision_function ？
由于SGDClassifier是线性模型，因此decision_function向分离的超平面输出一个有符号的距离。此数字只是<< strong> w ， x > + b或转换为scikit-learn属性名称
<coef_， x > + intercept_。