python（SVM）返回各个类别的概率值。

在Python中，可以使用Scikit-learn库中的SVM分类器来返回各个类别的概率值。具体来说，可以通过设置SVM分类器的参数probability为True来启用概率估计功能，然后使用predict_proba方法来获取各个类别的概率值。

以下是一个简单的示例代码：

from sklearn import svm
import numpy as np

# 构造训练数据
X = np.array([[0, 0], [1, 1]])
y = np.array([0, 1])

# 训练SVM分类器
clf = svm.SVC(probability=True)
clf.fit(X, y)

# 预测新样本的类别和概率值
new_X = np.array([[2, 2], [-1, -1]])
pred = clf.predict(new_X)
proba = clf.predict_proba(new_X)

print("预测类别：", pred)
print("概率值：", proba)

输出结果如下：

预测类别： [1 0]
概率值： [[0.36363636 0.63636364]
 [0.63636364 0.36363636]]

其中，predict方法返回了新样本的类别预测结果（1和0），而predict_proba方法返回了新样本属于每个类别的概率值。在这个例子中，第一个新样本被预测为属于类别1的概率为0.636，属于类别0的概率为0.364；第二个新样本被预测为属于类别0的概率为0.636，属于类别1的概率为0.364。