scikit-learn/svm - 在“predict_proba”之后获取概率和相关标签
Posted
技术标签:
【中文标题】scikit-learn/svm - 在“predict_proba”之后获取概率和相关标签【英文标题】:scikit-learn/svm - fetch probabilities and associated labels after 'predict_proba' 【发布时间】:2017-07-18 10:22:43 【问题描述】:我正在使用 scikit-learn SVM 进行文本分类,并遵循 here 指南。但是我很困惑如何使用predict_proba
方法来获取概率,关联正确的标签并获取前 3 个。
vectorizer = HashingVectorizer()
clf = svm.SVC(probability=True,class_weight='balanced')
test_data = [...]
test_vectors = vectorizer.transform(test_data)
predicted = clf.predict_proba(test_vectors)
for doc, pred in zip(test_labels, predicted):
print('%r => %s' % (doc, test_labels[pred]))
在运行上面的代码时,我得到了这个异常:
TypeError:只有一个元素的整数数组可以转换为 索引
这是可以理解的,因为 test_labels 是一个概率数组,但我不确定如何获取相关的标签和概率。
【问题讨论】:
请发布完整的错误堆栈跟踪。你在哪一行得到错误?并显示一些数据样本 【参考方案1】:这就是我最终做的事情,并且对我有用。希望这对某人有所帮助:
clf = cPickle.load(...)
test_data, test_labels = load_testfiles(_testpath)
for td in zip(test_data,test_labels):
X = vectorizer.transform([td[0]])
label = td[1]
res = clf.predict_proba(X)[0]
# sd = np.std(res)
# max = np.amax(res)
# min = np.amin(res)
# mean = np.mean(res)
# median = np.median(res)
print("test--->actual=",label,"pred=",res)
【讨论】:
以上是关于scikit-learn/svm - 在“predict_proba”之后获取概率和相关标签的主要内容,如果未能解决你的问题,请参考以下文章
scikit-learn/svm - 在“predict_proba”之后获取概率和相关标签
将 scikit-learn SVM 模型转换为 LibSVM