Python学习Perceptron输出概率

Question

我正在使用scikit-learn的Perceptron算法来进行二进制分类。当使用库中的其他一些算法(RandomForestClassifer、LogisticRegression等)时，我可以使用model.predict_proba()让算法输出每个示例获得正(1)的概率。有什么方法可以为Perceptron算法获得类似的输出吗？

我所能达到的最接近的是model.decision_function()，它根据到超平面的有符号距离为示例输出一个置信度评分，但我不知道如何将这些信任分数转换成我想要的概率数字。

model.predict()也只返回二进制值。

Answer 1

我想你想要的是CalibratedClassifierCV

from sklearn import linear_model
from sklearn.datasets import make_classification
from sklearn.calibration import CalibratedClassifierCV
# Build a classification task using 3 informative features
X, y = make_classification(n_samples=1000,
                           n_features=10,
                           n_informative=3,
                           n_redundant=0,
                           n_repeated=0,
                           n_classes=2,
                           random_state=0,
                           shuffle=False)


per = linear_model.Perceptron()

clf_isotonic = CalibratedClassifierCV(per, cv=10, method='isotonic')

clf_isotonic.fit(X[:900], y[:900])

preds = clf_isotonic.predict_proba(X[900:])
print preds

编辑您也可以使用它使其他linear_models生成分类问题的概率