在python中使用SVM的回归置信度

Question

我在python中使用回归SVM，我想知道是否有任何方法可以获得＆＃34;置信度＆＃34;预测的价值。

以前，当使用SVM进行二进制分类时，我能够从＆＃39;边距计算置信度类型值。这是一些伪代码，显示我如何获得置信度值：

# Begin pseudo-code
import svm as svmlib

prob = svmlib.svm_problem(labels, data)
param = svmlib.svm_parameter(svm_type=svmlib.C_SVC, kernel_type = svmlib.RBF)
model = svmlib.svm_model(prob, param)

# get confidence
confidence = self.model.predict_values_raw(sample_to_classify)

我认为新样本离训练数据越远，信心就越差，但我正在寻找一个可能有助于计算合理估计值的函数。

我的（高级别）问题如下：

• 我有一个函数F（x），其中x是一个高维向量
• 可以计算F（x）但非常慢
• 我想训练一个回归SVM来近似它
• 如果我能找到＆＃39; x＆＃39;的价值预测信心低，我可以添加这些点并重新训练（又称主动学习）

是否有人在之前获得/使用了回归-SVM置信度/保证金值？

Answer 1

1月份看看Stack上的类似响应。选择的答案是关于在非参数拟合方法上获得置信度的难度。您可以做一些贝叶斯类型的事情，但这可能不适用于Python SVM库：Prefer one class in libsvm (python)。