Python机器学习手册：从数据预处理到深度学习

17.4

　识别支持向量

｜

279

的

k

个邻居的分类被记作投票数，以此计算观察值属于某个分类的概率。概率最大的分

类就被认为是这个观察值所属的类别。

SVC

算法使用一个超平面来创建决策区间，这种

做法并不会直接计算出观察值属于某个分类的概率。但是，我们可以输出校准过的分类

概率，并给出几点说明。在有两个分类的

SVC

中可以使用

Platt

缩放（

Platt scaling

）， 它

首先训练这个

SVC

，然后训练一个独立的交叉验证逻辑回归模型将

SVC

的输出转换为

概率 ：

# Load libraries

from sklearn.svm import SVC

from sklearn import datasets

from sklearn.preprocessing import StandardScaler

import numpy as np

# Load data

iris = datasets.load_iris()

features = iris.data

target = iris.target

# Standardize features

scaler = StandardScaler()

features_standardized = scaler.fit_transform(features)

# Create support vector classifier object

svc = SVC(kernel="linear", probability=True, random_state=0)

# Train ...