支持向量机超平面距离与确定性

在支持向量机中(无论是使用何种核函数等配置),一个向量与决策平面的距离是否与该向量分类的信心/确定性有关?


回答:

是的。这就是为什么普拉特标定(Platt Scaling)可以通过单调变换边缘来产生校准概率的原因,例如。

然而,如果不变换边缘,很难给出一个可行的解释。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注