Как оценить близость второго лучшего предположения из метода принятия решения при классификации с использованием sklearn.svm.SVC - PullRequest
Новая
       11

Как оценить близость второго лучшего предположения из метода принятия решения при классификации с использованием sklearn.svm.SVC

0 голосов
/ 22 апреля 2020

Я построил классификатор с помощью sklearn.svm.SV C, и теперь я анализирую вывод вектора из метода solution_function .

Предположим, что классами являются A, B, C, D, E и F.

Вывод может выглядеть примерно так: 

>>>print(clf.predict([predict_this]))
['A']
>>> print(clf.decision_function([predict_this]))
[[ 185.23220833   43.62763596  180.83305074  -93.58628288   62.51448055  173.43335293]]

Это разумный результат, и вывод из функции принятия решения состоит в том, что второе лучшее предположение - C, третье - F et c.

Но если я хочу знать насколько более определенно Классификатор относится к классу А, а не В (или к любому другому классу на самом деле) - что будет подходящим способом оценки этого?

Если не существует четкого способа использования функции принятия решения, есть ли другой лучший способ оценить, насколько более точным / лучшим является прогноз для класса А, а не для класса C?

...