Cái sau, predict_proba là một phương thức của trình phân loại (mềm) xuất ra xác suất của thể hiện trong mỗi lớp. Trước đây, decision_function , tìm khoảng cách đến siêu phẳng tách biệt. Ví dụ: a(n) Trình phân loại SVM tìm thấy các siêu phẳng ngăn cách không gian thành các khu vực liên quan đến kết quả phân loại. Hàm này, được cho một điểm, tìm khoảng cách đến các dấu phân cách. Tôi đoán rằng predict_prob nói chung là hữu ích hơn trong trường hợp của bạn - phương pháp khác cụ thể hơn đối với thuật toán. Ví dụ của bạn làif hasattr(clf, "decision_function"): Z = clf.decision_function(np.c_[xx.ravel(), yy.ravel()]) else: Z = clf.predict_proba(np.c_[xx.ravel(), yy.ravel()])[:, 1] vì vậy mã sử dụng decision_function nếu nó tồn tại. Trong trường hợp SVM, predict_proba Được tính (trong trường hợp nhị phân) sử dụng quy mô Platt mà vừa "đắt" vừa có "vấn đề lý thuyết" . Đó là lý do tại sao decision_function Được sử dụng ở đây. (như @AMI đã nói, đây là lề - khoảng cách đến siêu phẳng, có thể truy cập mà không cần tính toán thêm). Trong trường hợp SVM, nên sử dụng decision_function thay vì predict_proba. Có decision_function S: SGDClassifier' S . Ở đây, predict_proba Tùy thuộc vào hàm mất và decision_function Có sẵn trên toàn cầu. |
