svc预测概率_sklearn-SVC实现与类参数

Sklearn中的SVC（Support Vector Classification）模型可以通过调用decision_function方法来预测每个样本属于正例的概率。这个方法返回的是每个样本到超平面的距离，可以通过sigmoid函数将距离转换为概率。

另外，SVC类还有一个参数probability，可以设置为True来开启概率估计模式，这样在调用predict_proba方法时可以直接得到每个样本属于正例的概率。需要注意的是，开启概率估计模式可能会降低模型的预测速度和内存消耗。

下面是使用Sklearn中的SVC类进行概率预测的示例代码：

from sklearn.svm import SVC
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 生成数据集
X, y = make_classification(n_samples=1000, n_features=10, n_classes=2, random_state=42)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建SVC模型并训练
clf = SVC(probability=True, random_state=42)
clf.fit(X_train, y_train)

# 预测测试集并输出概率
y_pred_proba = clf.predict_proba(X_test)
print(y_pred_proba)