Python Scikit-learn 感知器输出概率

Question

我正在使用 scikit-learn 的 Perceptron 算法进行二元分类。当使用库中的其他一些算法（RandomForestClassifer、LogisticRegression 等）时，我可以使用 model.predict_proba() 让算法输出每个示例获得正数 (1) 的概率。有没有办法为感知器算法获得类似的输出？

我能得出的最接近的是 model.decision_function()，它根据与超平面的符号距离输出示例的置信度分数，但我不确定如何转换这些置信度分数到我想要的概率数字。

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

[编辑] 您也可以使用它来使其他 linear_models 产生分类问题的概率

Python Scikit-learn 感知器输出概率

Python Scikit-learn Perceptron Output Probabilities

python

scikit-learn

neural-network

classification

perceptron