寻找SVM模型的AUC得分。

Question

4

我知道支持向量机算法无法计算概率，而AUC值需要概率计算，那么是否有其他方法只计算AUC分数？

from sklearn.svm import SVC
model_ksvm = SVC(kernel = 'rbf', random_state = 0)
model_ksvm.fit(X_train, y_train)

model_ksvm.predict_proba(X_test)

我无法从SVM算法中获取概率输出，没有概率输出就无法得到AUC分数，而其他算法可以得到。

- Lekster

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Ben Reiniger · Accepted Answer

你不需要真正的概率来进行ROC，只需要任何一种置信度得分。你需要根据样本可能属于正类的程度对它们进行排序。支持向量机可以使用与分离平面的（有符号）距离来实现这个目的，而且在使用AUC进行评分时，sklearn会自动地在底层使用decision_function方法，这是有符号距离。

你也可以在SVC（docs）中设置probability选项，它在SVM之上拟合了一个Platt校准模型以产生概率输出：

model_ksvm = SVC(kernel='rbf', probability=True, random_state=0)

但这会导致相同的AUC，因为Platt校准只是将有符号距离单调地映射到概率。