【问题标题】：Converting LinearSVC's decision function to probabilities (Scikit learn python )将 LinearSVC 的决策函数转换为概率（Scikit learn python）
【发布时间】：2023-04-07 13:40:01
【问题描述】：

我使用来自 scikit learn (LinearSVC) 的线性 SVM 来解决二元分类问题。我知道 LinearSVC 可以给我预测的标签和决策分数，但我想要概率估计（对标签的信心）。由于速度原因，我想继续使用 LinearSVC（与具有线性内核的 sklearn.svm.SVC 相比）使用逻辑函数将决策分数转换为概率是否合理？ 

import sklearn.svm as suppmach
# Fit model:
svmmodel=suppmach.LinearSVC(penalty='l1',C=1)
predicted_test= svmmodel.predict(x_test)
predicted_test_scores= svmmodel.decision_function(x_test)

我想检查简单地获得概率估计是否有意义 [1 / (1 + exp(-x)) ] 其中 x 是决策分数。

或者，我可以使用分类器的其他选项来有效地做到这一点吗？

谢谢。

【问题讨论】：

    标签：
    python
    machine-learning
    scikit-learn
    svm