如何在Python及sklearn.svm.SVC中获取模型预测的置信度？

有两种方式可以获取SVM预测的相关置信信息，具体如下：

1. 获取预测概率 #

要让SVM输出预测概率，需要在初始化SVC时开启probability=True参数，模型会在训练时额外拟合一个概率估计器。之后可以调用predict_proba()方法得到每个样本属于各类别的概率值。

修改你的训练函数如下：

def svc_training(X, y):
    # 创建支持向量分类器，开启概率估计
    clf = SVC(C=1, probability=True)
    # 使用训练数据拟合分类器
    clf.fit(X, y)
    return clf

使用示例：

# 训练模型
model = svc_training(X_train, y_train)
# 获取测试样本的预测概率
probabilities = model.predict_proba(X_test)
# probabilities是一个二维数组，每行对应一个样本，每列对应一个类别的概率

2. 获取预测置信度（基于超平面距离） #

如果不需要概率，只是想得到模型对预测结果的置信程度，可以使用decision_function()方法。该方法返回每个样本到分类超平面的距离，绝对值越大，说明模型对该预测的置信度越高。

使用示例：

# 获取测试样本的决策函数值（置信度相关）
confidence_scores = model.decision_function(X_test)
# 二分类场景下，正值表示预测为正类，负值表示预测为负类，绝对值越大置信度越高
# 多分类场景下，每行对应一个样本，每列对应一个类别的距离值

内容的提问来源于stack exchange，提问作者kaan46