如何在sklearn中获取分类器预测的置信度分数？

9 浏览
0 Comments

如何在sklearn中获取分类器预测的置信度分数？

我希望获得每个预测的置信度分数，以显示分类器对其正确性的确定程度。

我想要的是这样的结果：

分类1：81％的置信度，认为这是分类1

分类2：10％

分类3：6％

分类4：3％

我的代码示例：

features_train，features_test，labels_train，labels_test = cross_validation.train_test_split(main，target，test_size = 0.4)
# 确定训练时间
t0 = time()
model = SVC()
#model = SVC(kernel='poly')
#model = GaussianNB()
model.fit(features_train，labels_train)
print 'training time: '，round(time()-t0，3)，'s'
# 确定预测时间
t1 = time()
pred = model.predict(features_test)
print 'predicting time: '，round(time()-t1，3)，'s'
accuracy = accuracy_score(labels_test，pred)
print 'Confusion Matrix: '
print confusion_matrix(labels_test，pred)
# 精度在0.9333，9.6667，1.0范围内
print accuracy
model.predict(sub_main)
# 确定预测时间
t1 = time()
pred = model.predict(sub_main)
print 'predicting time: '，round(time()-t1，3)，'s'
print ''
print 'Prediction: '
print pred

我怀疑我会使用score()函数，但我似乎一直没有正确实现它。我不知道这是否是正确的函数，但如何获得分类器预测的置信度百分比？

0