我在python中使用回归支持向量机,我想知道是否有任何方法可以为它的预测获得一个“置信度”值。在
以前,当使用支持向量机进行二元分类时,我能够从“边距”计算出一个置信类型值。下面是一些伪代码,显示了如何获得置信值:
# Begin pseudo-code
import svm as svmlib
prob = svmlib.svm_problem(labels, data)
param = svmlib.svm_parameter(svm_type=svmlib.C_SVC, kernel_type = svmlib.RBF)
model = svmlib.svm_model(prob, param)
# get confidence
confidence = self.model.predict_values_raw(sample_to_classify)
我认为新样本离训练数据越远,置信度就越差,但我正在寻找一个函数,可以帮助计算出一个合理的估计值。在
我的(高层)问题如下:
以前有没有人获得/使用过回归支持向量机置信/边际值?在
看看一月份Stack上的类似响应。选择的答案是关于在非参数拟合方法上获得置信度是多么困难。可能有一些贝叶斯类型的事情可以做,但是对于pythonsvm库:Prefer one class in libsvm (python),这可能是不可能的。在
相关问题 更多 >
编程相关推荐