Python Scikit-learn 感知器输出概率

Question

我正在使用 scikit-learn 的感知器算法进行二元分类。当使用库中的一些其他算法（RandomForestClassifer、LogisticRegression 等）时，我可以让model.predict_proba()算法输出每个示例获得正 (1) 的概率。有没有办法让感知器算法获得类似的输出？

我能得到的最接近的是model.decision_function()，它根据到超平面的有符号距离输出示例的置信度分数，但我不确定如何将这些置信度分数转换为我想要的概率数字。

model.predict()也只返回二进制值。

Answer 1

我想你想要的是CalibratedClassifierCV：

from sklearn import linear_model
from sklearn.datasets import make_classification
from sklearn.calibration import CalibratedClassifierCV
# Build a classification task using 3 informative features
X, y = make_classification(n_samples=1000,
                           n_features=10,
                           n_informative=3,
                           n_redundant=0,
                           n_repeated=0,
                           n_classes=2,
                           random_state=0,
                           shuffle=False)


per = linear_model.Perceptron()

clf_isotonic = CalibratedClassifierCV(per, cv=10, method='isotonic')

clf_isotonic.fit(X[:900], y[:900])

preds = clf_isotonic.predict_proba(X[900:])
print preds

linear_models[编辑]您也可以使用它来生成分类问题的其他概率