在基于 LIBSVM 的 scikit.smv.SVC 中启用概率估计

Posted 2023-03-12

【中文标题】在基于 LIBSVM 的 scikit.smv.SVC 中启用概率估计

【英文标题】：Enable Probability Estimates in scikit.smv.SVC based on LIBSVM

【发布时间】：2018-06-19 02:44:53

【问题描述】：

在 LIBSVM 中，svmtrain 中的 -b 标志用于启用 SVC 或 SVR 模型的概率估计训练。为了得到测试集对应的结果，我们还将-b的结果设置在svmpredict中

例如，在 MATLAB 中，我们将编写以下代码来训练和测试启用概率估计：

model = svmtrain(train_labels, train_set, '-b 1')
[result, accuracy, prob] = svmpredict(test_labels, test_set, '-b 1')

但是，在 scikit-learn 库中初始化 SVC 时，我们只能在训练时设置 -b 标志，这与在 svmtrain 上设置 -b 标志相同：

clf = scikit.svm.SVC(probability=True)

为了在 scikit-learn 中进行测试，我使用 clf.predict(test_set) 来获取课程。但是，当我将svmpredict 与-b 1 标志一起使用时，这会产生不同的结果。

在使用svmpredict 进行测试期间设置-b 标志的scikit-learn svm 中的等效项是什么？

【问题讨论】：

是的，这是预期的，因为 predict() 不使用概率。它在此处的文档中提到：scikit-learn.org/dev/modules/svm.html#scores-and-probabilities

【参考方案1】：

Scikit-learn 不使用标志来预测分类器的概率，有一个额外的函数可用，称为 .predict_proba。看看documentation。

概率是使用Platt scaling 确定的，这是一种将分类器的任意输出组合成类概率的方法。

也可以在这里查看答案：How does sklearn.svm.svc's function predict_proba() work internally?