sklearn：评估 LinearSVC AUC

Posted 2023-03-12

【中文标题】sklearn：评估 LinearSVC AUC

【英文标题】：sklearn: Evaluating LinearSVC's AUC

【发布时间】：2015-08-02 10:07:27

【问题描述】：

我知道可以通过将probability=True 选项传入构造函数并让 SVM 预测概率来评估 sklearn.svm.SVC 的 AUC，但我不确定如何评估 sklearn.svm.LinearSVC 的 AUC。有人知道怎么做吗？

我想使用LinearSVC 而不是SVC，因为LinearSVC 似乎在具有许多属性的数据上训练得更快。

【参考方案1】：

您可以使用 CalibratedClassifierCV 类来提取概率。这是example with code。

from sklearn.svm import LinearSVC
from sklearn.calibration import CalibratedClassifierCV
from sklearn import datasets

#Load iris dataset
iris = datasets.load_iris()
X = iris.data[:, :2] # Using only two features
y = iris.target      #3 classes: 0, 1, 2

linear_svc = LinearSVC()     #The base estimator

# This is the calibrated classifier which can give probabilistic classifier
calibrated_svc = CalibratedClassifierCV(linear_svc,
                                        method='sigmoid',  #sigmoid will use Platt's scaling. Refer to documentation for other methods.
                                        cv=3) 
calibrated_svc.fit(X, y)


# predict
prediction_data = [[2.3, 5],
                   [4, 7]]
predicted_probs = calibrated_svc.predict_proba(prediction_data)  #important to use predict_proba
print predicted_probs

【参考方案2】：

看来这是不可能的。 https://github.com/scikit-learn/scikit-learn/issues/4820