我在 python 中使用回归 SVM，我想知道是否有任何方法可以获得其预测的“置信度测量”值。
以前，当使用 SVM 进行二元分类时，我能够根据“裕度”计算置信类型值。这是一些伪代码，显示了我如何获得置信度值:
# Begin pseudo-code
import svm as svmlib
prob = svmlib.svm_problem(labels, data)
param = svmlib.svm_parameter(svm_type=svmlib.C_SVC, kernel_type = svmlib.RBF)
model = svmlib.svm_model(prob, param)
# get confidence
confidence = self.model.predict_values_raw(sample_to_classify)
我认为新样本距离训练数据越远，置信度就越差，但我正在寻找一个可以帮助计算合理估计值的函数。
我的(高级)问题如下:
- 我有一个函数 F(x)，其中 x 是一个高维向量
- 可以计算 F(x)，但速度很慢
- 我想训练一个回归 SVM 来近似它
- 如果我能找到预测置信度较低的“x”值，我可以添加这些点并重新训练(也称为主动学习)
之前有人获得/使用过回归 SVM 置信度/裕度值吗？
最佳答案
看看一月份 Stack 上的类似回复。所选择的答案是关于在非参数拟合方法上获得置信度测量的难度的。您可能可以做一些贝叶斯类型的事情，但这可能无法使用 Python SVM 库实现:Prefer one class in libsvm (python) .
关于python - 在 python 中使用 SVM 进行回归置信度，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/5148168/