我有一个多类SVM分类器，标签为’A’、’B’、’C’、’D’。

这是我运行的代码：

>>>print clf.predict([predict_this])['A']>>>print clf.decision_function([predict_this])[[ 185.23220833   43.62763596  180.83305074  -93.58628288   62.51448055  173.43335293]]

如何使用decision_function的输出预测具有最高概率的类（A/B/C/D），如果可能的话，还要知道其概率值？我访问过https://stackoverflow.com/a/20114601/7760998，但那是针对二元分类器的，我找不到好的资源来解释多类分类器的decision_function输出，形状为ovo（一对一）。

编辑：

上面的例子是针对类’A’。对于另一个输入，分类器预测为’C’，并在decision_function中给出了以下结果

[[ 96.42193513 -11.13296606 111.47424538 -88.5356536 44.29272494 141.0069203 ]]

对于另一个不同的输入，分类器预测为’C’，decision_function给出了以下结果，

[[ 290.54180354 -133.93467605  116.37068951 -392.32251314 -130.84421412   284.87653043]]

如果是ovr（一对其余），通过选择值较高的那个会变得更容易，但在ovo（一对一）中，结果列表中有(n * (n - 1)) / 2个值。

如何根据decision_function推断出将选择哪个类？

回答：

对于正在寻找这个问题答案的任何人，请访问这个被接受的答案，我在DataScience Stack Exchange上发布了相同的问题，并得到了所需的答案。