Я пытаюсь рассчитать вероятность предсказания. Я написал программу, которая выполняет вычисления, но скорость очень медленная и занимает много времени для большого набора данных.
Цель состоит в том, чтобы рассчитать вероятность каждого предсказания в модели SVM, используя LinearSVC и OneVsRestClassifier, но получая ошибку
AttributeError: 'LinearSVC' object has no attribute 'predict_proba'
Из-за указанной выше ошибки я попробовал ниже
Код
from sklearn import svm
model_1 = svm.SVC(kernel='linear', probability=True)
from sklearn.preprocessing import LabelEncoder
X_1 = df["Property Address"]
lb = LabelEncoder()
X_2 = lb.fit_transform(X_1)
y_1 = df["Location_Name"]
y_2 = lb.fit_transform(y_1)
test_1 = test["Property Address"]
lb = LabelEncoder()
test_1 = lb.fit_transform(test_1)
X_2= X_2.reshape(-1, 1)
y_2= y_2.reshape(-1, 1)
test_1 = test_1.reshape(-1, 1)
model_1.fit(X_2, y_2)
results = model_1.predict_proba(test_1)[0]
# gets a dictionary of {'class_name': probability}
prob_per_class_dictionary = dict(zip(model.classes_, results))
Есть ли другой способ выполнить ту же задачу? пожалуйста предложите
Я разместил сообщение, но не получил решения [stackoverflow.com/questions/53040262/…. Я написал очень медленный код. Я не получаю ошибок в приведенном выше коде.






Вы можете использовать sklearns Калиброванный классификаторCV, если вам нужно использовать метод predict_proba.
Или вы можете использовать Логистическая регрессия.
Если ваша проблема связана со скоростью, попробуйте использовать LinearSVC в sklearn.svm вместо SVC(kernel='linear'). Это быстрее.
Как рассчитать вероятность предсказания с помощью LinearSVC?
Вы пробовали, например: calibrated_svc = CalibratedClassifierCV (LinearSVC (), method = 'sigmoid', cv = 3)? Затем установите его и используйте pred_proba
да, появляется ошибка: ValueError: Requesting 3-fold cross-validation but provided less than 3 examples for at least one class. - код: calibrated_svc.fit(X_2, y_2)
Вы понимаете ошибку? Если вы не хотите использовать calibrated_svc, просто используйте sklearn.linear_model.LogisticRegression в качестве своей модели.
Как предлагается в другом ответе, LinearSVC быстрее, чем SVC(kernel='linear').
Что касается вероятности, то у SVC нет predict_proba(). Вместо этого вы должны установить его гиперпараметр probability на True. Ссылка
Кончик: SVM предпочтительнее для небольших наборов данных, поэтому предпочитайте использовать другие алгоритмы для обработки больших наборов данных.
Я не уверен, что понимаю. Ваш код медленный или вызывает ошибку? Две очень разные проблемы.