SVM分类器如何输出预测实例的概率值

最新推荐文章于 2025-06-02 18:39:57 发布

原创最新推荐文章于 2025-06-02 18:39:57 发布 · 2.1w 阅读

69 ·

CC 4.0 BY-SA版权

文章标签：

#SVM分类器 #预测 #概率值

机器学习专栏收录该内容

8 篇文章

订阅专栏

本文介绍如何利用支持向量机(SVM)分类器输出测试实例与决策边界间的距离作为信心分数，并通过设置probability=True来获得类别概率估算。文章还提供了一个使用Scikit-Learn实现SVM概率预测的具体示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

支持向量机分类器能够输出测试实例与决策边界之间的距离，你可以将其用作信心分数。但是这个分数不能直接转化成类别概率的估算。如果创建SVM时，在Scikit-Learn中设置probability=True，那么训练完成后，算法将使用逻辑回归对SVM分数进行校准（对训练数据额外进行5-折交叉验证的训练），从而得到概率值。这会给SVM添加predict_proba()和predict_log_proba()两种方法。

例如以下代码所示：

import numpy as np
from sklearn import svm

X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]])
y = np.array([1, 1, 2, 2])

clt = svm.SVC(probability = True)
clt.fit(X, y)

print clt.predict([[-0.8, -1]])  # 输出为分类结果
print clt.predict_proba([[-0.8, -1]])  # 输出为概率值