如何使用Python实现SVM模型的分类概率输出?
- 内容介绍
- 文章标签
- 相关推荐
本文共计101个文字,预计阅读时间需要1分钟。
python导入numpy库为np,从sklearn导入svm模块。创建数据X和标签y,然后使用SVC模型进行训练。最后,输出预测结果和概率。
import numpy as npfrom sklearn import svm
X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]])
y = np.array([1, 1, 2, 2])
clt = svm.SVC(probability = True)
clt.fit(X, y)
print clt.predict([[-0.8, -1]])
print clt.predict_proba([[-0.8, -1]])
本文共计101个文字,预计阅读时间需要1分钟。
python导入numpy库为np,从sklearn导入svm模块。创建数据X和标签y,然后使用SVC模型进行训练。最后,输出预测结果和概率。
import numpy as npfrom sklearn import svm
X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]])
y = np.array([1, 1, 2, 2])
clt = svm.SVC(probability = True)
clt.fit(X, y)
print clt.predict([[-0.8, -1]])
print clt.predict_proba([[-0.8, -1]])

