具有 2 个或更多类的 sklearn 决策函数答案

【问题标题】：sklearn decision_function with 2 or more classes具有 2 个或更多类的 sklearn 决策函数
【发布时间】：2015-05-31 04:40:42
【问题描述】：

我有一个基于LinearSVC 的模型，并且有可变数量的类。对于 classes == 2 和 classes > 2 的情况，决策函数具有不同的输出：

decision_function(X)

...

返回：array, shape=(n_samples,) if n_classes == 2 else (n_samples, n_classes) ：

每个（样本、班级）组合的置信度得分。在二进制情况下，self.classes_[1] 的置信度得分 >0 表示将预测此类。

我想将 classes == 2 的输出转换为与其他情况相同的格式。但是我可以继续在 0 处镜像条目吗？

probabilities = model.decision_function(X)
    if len(probabilities[0]) == 1:
        probabilities = [(-p, p) for p in probabilities]

根据我对 SVM 的理解，这应该是正确的。但是 sklearn 并没有说其他任何内容。

【问题讨论】：

标签： python scikit-learn svm

【解决方案1】：

负概率没有意义，你想要的可能是1 - p。此外，您需要创建一个ndarray，而不是一对列表：

prob2 = np.zeros((len(probabilities), 2))
prob2[:,0] = 1 - probabilities
prob2[:,1] = probabilities

【讨论】：

我的名字错了。决策函数的结果不是概率列表，而是到相关超平面的距离列表。具有两个以上类别的列表也有否定条目。这有什么改变吗？
@ArneRecknagel：我不熟悉LinearSVC 的该函数的输出格式，但如果这是定义，那么您可以在我的代码中将1 - probabilities 替换为-probabilities .