我有一个使用sklearn的SVC类的程序。确实，我正在使用使用SVC类的OneVsRestClassifier类。我的问题是predict_proba（）方法有时返回的向量太短。这是因为classes_属性缺少一个类，这种情况发生在训练过程中不存在标签时。
考虑下面的示例（下面显示的代码）。假设所有可能的类分别是1、2、3和4。现在假设训练数据恰好不包含任何用3类标记的数据。这很好，除非当我调用predict_proba（）时我想要一个长度为4的向量。 ，我得到一个长度为3的向量。也就是说，predict_proba（）返回[p（1）p（2）p（4）]，但是我想要[p（1）p（2）p（3）p（4） ）]，其中p（3）= 0。
我想clf.classes_是由培训期间看到的标签隐式定义的，在这种情况下是不完整的。有什么方法可以显式设置可能的类标签？我知道一个简单的解决方法是仅采用predict_proba（）输出并手动创建所需的数组。但是，这很不方便，可能会使我的程序变慢。
# Python 2.7.6
from sklearn.svm import SVC
from sklearn.multiclass import OneVsRestClassifier
import numpy as np
X_train = [[1], [2], [4]] * 10
y = [1, 2, 4] * 10
X_test = [[1]]
clf = OneVsRestClassifier(SVC(probability=True, kernel="linear"))
clf.fit(X_train, y)
# calling predict_proba() gives: [p(1) p(2) p(4)]
# I want: [p(1) p(2) p(3) p(4)], where p(3) = 0
print clf.predict_proba(X_test)
我想到的变通方法会创建一个新的概率列表，并通过多个append（）调用一次将其构建为一个元素（请参见下面的代码）。与让predict_proba（）自动返回我想要的东西相比，这似乎要慢一些。我还不知道它是否会大大减慢我的程序的速度，因为我还没有尝试过。无论如何，我想知道是否有更好的方法。
def workAround(probs, classes_, all_classes):
"""
probs: list of probabilities, output of predict_proba (but 1D)
classes_: …