Sınıflandırıcınızın sklearn'deki bir tahmin için güven puanını nasıl alırsınız?

Question

Ben sınıflandırıcı doğru olup olmadığını öngörüsünün üzerinde nasıl emin gösteriliyor yapar tahminler her birinin güven puanı almak istiyorum.

Böyle bir şey istiyorum:

Nasıl emin öngörüsünün üzerinde sınıflandırıcı mı?

Sınıf 1: Bu olduğunu% 81 sınıfı 1
Sınıf 2:% 10
Sınıf 3:% 6
Sınıf 4:% 3 benim kod

Örnekler:

features_train, features_test, labels_train, labels_test = cross_validation.train_test_split(main, target, test_size = 0.4) 

# Determine amount of time to train 
t0 = time() 
model = SVC() 
#model = SVC(kernel='poly') 
#model = GaussianNB() 

model.fit(features_train, labels_train) 

print 'training time: ', round(time()-t0, 3), 's' 

# Determine amount of time to predict 
t1 = time() 
pred = model.predict(features_test) 

print 'predicting time: ', round(time()-t1, 3), 's' 

accuracy = accuracy_score(labels_test, pred) 

print 'Confusion Matrix: ' 
print confusion_matrix(labels_test, pred) 

# Accuracy in the 0.9333, 9.6667, 1.0 range 
print accuracy 



model.predict(sub_main) 

# Determine amount of time to predict 
t1 = time() 
pred = model.predict(sub_main) 

print 'predicting time: ', round(time()-t1, 3), 's' 

print '' 
print 'Prediction: ' 
print pred 

Score() işlevini kullanacağımdan şüpheleniyorum, ancak doğru şekilde uygulamaya devam ediyorum. Doğru fonksiyon olup olmadığını bilmiyorum, ama bir sınıflandırıcının tahmininin güven yüzdesini nasıl elde edebilirim? gibi bu tahmin edicilerin için

class_probabilities = model.predict_proba(sub_main) 

Answer 1

, bu size SVC inşa biçimini değiştirmek gerekir benziyor Justin Peel önerdi, senin tahmininde olasılık üretmek için sadece predict_proba() kullanabilirsiniz.

predict_proba() yöntemini uygulayamayan tahminciler için, önyükleme konsepti kullanarak kendiniz güven aralığı oluşturabilirsiniz (birçok alt örnekte nokta tahminlerinizi tekrar tekrar hesaplayabilirsiniz).

bu iki durumda da göstermek için herhangi ayrıntılı örnekler gerekiyorsa bana bildirin.

Answer 2

predict_proba() yöntemi uygulayan:

model = SVC(probability=True) 

ve sonra predict_proba yöntemi kullanın: SVC documentation Başına