Question

使用svc.predict（x_test）输出所有“ 1”或“ 0”

我想获得正常的分类结果以保持程序运行

def svm_predict(x_data, y_data, Test_size, Random_state):  #svm预测结果并返回一个不同核的最高值
    y_data = np.ravel(y_data)
    x_train, x_test, y_train, y_test = ts(x_data, y_data, test_size=Test_size, random_state=Random_state)

    # kernel = 'rbf'
    clf_rbf = svm.SVC(kernel='rbf', gamma='auto')
    clf_rbf.fit(x_train, y_train)
    y_rbf_predict = clf_rbf.predict(x_test)
    score_rbf = roc_auc_score(y_test, y_rbf_predict)

    # kernel = 'linear'
    clf_linear = svm.SVC(kernel='linear', gamma='auto')
    clf_linear.fit(x_train, y_train)
    y_linear_predict = clf_linear.predict(x_test)
    score_linear = roc_auc_score(y_test, y_linear_predict)

    # kernel = 'poly'
    clf_poly = svm.SVC(kernel='poly', gamma='auto')
    clf_poly.fit(x_train, y_train)
    y_ploy_predict = clf_poly.predict(x_test)
    score_poly = roc_auc_score(y_test, y_ploy_predict)
    return max(score_rbf, score_linear, score_poly)

Answer 1

我不认为预测的结果应该用作roc_auc_score的参数，但是我不确定是否应该使用predict_proba或decision_function，这似乎还可以。另外，我看过你写的注释，我是中国人，我可以讨论

如何在有关svc.predict的支持向量机中使用分类函数？

1 个答案: