AttributeError:'LinearSVC'对象没有属性'predict_proba'

Question

我正在尝试使用LinearSVC分类器

更新:添加了导入

import nltk
from nltk.tokenize import word_tokenize
from nltk.classify.scikitlearn import SklearnClassifier
from sklearn.svm import LinearSVC, SVC

LinearSVC_classifier = SklearnClassifier(LinearSVC())
LinearSVC_classifier.train(featuresets)

但是当我试图用概率对它进行分类时

LinearSVC_classifier.prob_classify(feats)

发生AttributeError:

AttributeError:'LinearSVC' object has no attribute 'predict_proba'

我检查了sklearn文档,它告诉我这个函数存在.

如何解决？

Answer 1

据sklearn 文档,该方法" predict_proba "不是"定义LinearSVC "

解决方法:

LinearSVC_classifier = SklearnClassifier(SVC(kernel='linear',probability=True))

将SVC与线性内核一起使用,概率参数设置为True.正如这里所解释的那样.

Answer 2

您可以_predict_proba_lr()使用predict_proba. 像这样的东西：

from sklearn import svm
clf=svm.LinearSVC()

clf.fit(X_train,Y_train)

res= clf._predict_proba_lr(X_test,Y_test)

res 将是每个类别针对样本的概率的二维数组。

Answer 3

鉴于您的问题，没有提及像 NLTK 这样的外部包装器（标签除外），因此很难掌握您真正需要的东西！

Vivek Kumar 的评论适用。LinearSVC 不支持概率，而 SVC 支持。

现在一些补充说明：

• SVM 理论与概率无关，对此的支持来自使用交叉验证和附加分类器的额外方法
  • 参见普拉特缩放
• LinearSVC 的核心求解器，lib Linear对此没有内置支持
• 上面的mdilip方法是一种有效的解决方法，但是：
  • SVC 基于libsvm，因此速度较慢（并且可能尚未准备好大规模使用）
• 替代方案：构建您自己的管道，包括：
  • 线性SVC
  • sklearn 的概率校准

似乎以前有人观察过这个问题。