python - Scikit-learn Ridge 分类器 : extracting class probabilities

Question

我目前正在使用 sklearn 的 Ridge 分类器，并希望将此分类器与来自 sklearn 和其他库的分类器集成。为了做到这一点，最好提取给定输入属于类别列表中每个类别的概率。目前，我正在使用 model.decision_function(x) 的输出压缩类，但这会返回与超平面的距离，而不是直接的概率。这些距离值从大约 -1 到大约 1 不等。

distances = dict(zip(clf.classes_, clf.decision_function(x)[0]))  

如何将这些距离转换为一组更具体的概率(一系列总和为 1 的正值)？我正在寻找类似 clf.predict_proba() 的东西，它是为 sklearn 中的 SVC 实现的。

Answer 1

进一步探索导致使用 softmax 函数。

d = clf.decision_function(x)[0]
probs = np.exp(d) / np.sum(np.exp(d))

这保证了总和为 1 的 0-1 有界分布。