我想获取每个预测的置信度得分，显示分类器对其预测正确性的把握程度。

我想要的结果类似于这样：

分类器对其预测的把握程度如何？

类别1：81% 认为这是类别1
类别2：10%
类别3：6%
类别4：3%

我的代码样本：

features_train, features_test, labels_train, labels_test = cross_validation.train_test_split(main, target, test_size = 0.4)# 确定训练所需的时间t0 = time()model = SVC()#model = SVC(kernel='poly')#model = GaussianNB()model.fit(features_train, labels_train)print 'training time: ', round(time()-t0, 3), 's'# 确定预测所需的时间t1 = time()pred = model.predict(features_test)print 'predicting time: ', round(time()-t1, 3), 's'accuracy = accuracy_score(labels_test, pred)print 'Confusion Matrix: 'print confusion_matrix(labels_test, pred)# 准确率在0.9333, 9.6667, 1.0范围内print accuracymodel.predict(sub_main)# 确定预测所需的时间t1 = time()pred = model.predict(sub_main)print 'predicting time: ', round(time()-t1, 3), 's'print ''print 'Prediction: 'print pred

我怀疑应该使用score()函数，但似乎一直无法正确实现。我不知道这是否是正确的函数，那么如何获取分类器预测的置信度百分比呢？

回答：

根据SVC文档，看起来你需要改变SVC的构造方式：

model = SVC(probability=True)

然后使用predict_proba方法：

class_probabilities = model.predict_proba(sub_main)