SK了解如何获取 LinearSVC 分类器的决策概率

Posted 2023-02-23

【中文标题】SK了解如何获取 LinearSVC 分类器的决策概率

【英文标题】：SKLearn how to get decision probabilities for LinearSVC classifier

【发布时间】：2016-05-14 17:24:54

【问题描述】：

我正在使用 scikit-learn 的 linearSVC 分类器进行文本挖掘。我将 y 值作为标签 0/1，将 X 值作为文本文档的 TfidfVectorizer。

我使用如下管道

 pipeline = Pipeline([
    ('count_vectorizer',   TfidfVectorizer(ngram_range=(1, 2))),
    ('classifier',         LinearSVC())
  ])

对于预测，我想获得数据点被分类为的置信度分数或概率 1 在 (0,1) 范围内

我目前使用决策函数功能

pipeline.decision_function(test_X)

但是，它返回似乎表明信心的正值和负值。我也不太清楚它们的含义。

但是，有没有办法获取 0-1 范围内的值？

例如这里是一些数据点的决策函数的输出

    -0.40671879072078421, 
    -0.40671879072078421, 
    -0.64549376401063352, 
    -0.40610652684648957, 
    -0.40610652684648957, 
    -0.64549376401063352, 
    -0.64549376401063352, 
    -0.5468745098794594, 
    -0.33976011539714374, 
    0.36781572474117097, 
    -0.094943829974515004, 
    0.37728641897721765, 
    0.2856211778200019, 
    0.11775493140003235, 
    0.19387473663623439, 
    -0.062620918785563556, 
    -0.17080866610522819, 
    0.61791016307670399, 
    0.33631340372946961, 
    0.87081276844501176, 
    1.026991628346146, 
    0.092097790098391641, 
    -0.3266704728249083, 
    0.050368652422013376, 
    -0.046834129250376291, 

【参考方案1】：

你不能。 但是，您可以将sklearn.svm.SVC 与kernel='linear' 和probability=True 一起使用

它可能会运行更长的时间，但您可以通过使用predict_proba 方法从这个分类器中获取概率。

clf=sklearn.svm.SVC(kernel='linear',probability=True)
clf.fit(X,y)
clf.predict_proba(X_test)

【讨论】：

SVC 与 LinearSVC 不同吗？会不会导致不同的结果？ SVC中0到1之间的概率也是预测概率吗？

是的。 predict_proba 返回概率。 SVC 使用表示定理进行训练（krenel 技巧），因此它可能会运行更长时间，但结果应该非常相似（可能略有不同，取决于实现）。 @Sakib

太棒了！我会试试这个，但看起来这是我需要的。

我还有一个问题。决策函数和预测概率有什么区别？

不幸的是，SVC 和 linearSVC 之间的结果非常不同，因为存在一些根本差异：***.com/questions/33843981/…***.com/questions/35076586/…

【参考方案2】：

如果您坚持使用 LinearSVC 类，您可以将其包装在 sklearn.calibration.CalibratedClassifierCV 对象中，并安装校准分类器，这将为您提供概率分类器。

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

这是输出：

[[  9.98626760e-01   1.27594869e-03   9.72912751e-05]
 [  9.99578199e-01   1.79053170e-05   4.03895759e-04]]

显示每个数据点的每个类别的概率。