由于某种原因,带有 svc 的 GridSearchCV 在给定相同输入的情况下产生的结果概率很小。在我下面发布的示例中,差异很小,但在其他问题上差异更大。 GridSearch 难道不应该在每次输入相同的情况下产生相同的结果吗?
另请参阅另一个用户之前的问题,predict_proba or decision_function as estimator "confidence"它解决了与逻辑回归相同的问题,但结果证明这是一个错误——也许这也是?还是 GridSearchCV 使用随机种子?在这个演示问题中,差异还算不错,但我有其他更复杂的问题,其中概率差异足以预测二元状态的另一侧。
from sklearn import svm, grid_search, datasets
iris = datasets.load_iris()
parameters = {'kernel':('linear', 'rbf'), 'C':[1, 10]}
svr = svm.SVC(probability=True)
clf = grid_search.GridSearchCV(svr, parameters)
clf.fit(iris.data, iris.target)
clf.predict_proba(iris.data)
array([[ 9.75883684e-01, 1.55259588e-02, 8.59035759e-03],
[ 9.61565216e-01, 2.74888948e-02, 1.09458891e-02],
[ 9.74605121e-01, 1.68928925e-02, 8.50198656e-03],
[ 9.58212635e-01, 2.97479036e-02, 1.20394616e-02],
....
当我再次运行完全相同的代码时,我得到:
array([[ 9.76047242e-01, 1.54138902e-02, 8.53886802e-03],
[ 9.61893348e-01, 2.72510317e-02, 1.08556202e-02],
[ 9.74780630e-01, 1.67675046e-02, 8.45186573e-03],
[ 9.58586150e-01, 2.94842759e-02, 1.19295743e-02],'
而且我可以一次又一次地运行并获得更多不同的结果。
对于 svc 上的 GridSearchCV 这是否正常,或者我做错了什么,或者这是一个错误?
我正在使用 scikit-learn .14.1。
谢谢。
请您参考如下方法:
SVM 不支持概率。解决这个问题的一个技巧是对每个数据点到 SVM 决策边界的边缘距离进行逻辑回归。如果我们直接这样做,可能会出现一些问题,因为所有支持向量的距离都是 +- 1。为了避免这种偏差,创建了 3 折,并完成了类似 CV 的过程以获得 1/3 的边距值一次的数据(在另外 2/3 的数据上训练)。然后对这些值进行逻辑回归,并对整个数据集重新训练 SVM。这称为普拉特缩放。 CV 部分是随机性发挥作用的地方。
我有一个 post其中有一些 2D 示例和更多解释。
