Я использую регрессионные SVM в python, и мне интересно, есть ли способ получить значение "мера доверия" для его предсказаний.
Ранее, когда я использовал SVM для двоичной классификации, я былв состоянии вычислить значение типа доверия из «поля».Вот некоторый псевдокод, показывающий, как я получил значение достоверности:
# 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)
Я представляю, что чем дальше новый образец от обучающих данных, тем хуже достоверность, но я ищу функциюэто может помочь вычислить разумную оценку для этого.
Моя (высокоуровневая) проблема заключается в следующем:
- У меня есть функция F (x), где x - это высокий-мерный вектор
- F (x) может быть вычислен, но он очень медленный
- Я хочу обучить SVM регрессии, чтобы приблизиться к нему
- Если я могу найти значения 'x ', которые имеют низкую достоверность прогноза, я могу добавить эти точки и переобучиться (иначе активное обучение)
Кто-нибудь ранее получал / использовал значения достоверности / маржи для регрессионного SVM?