我正在尝试为R中的germancredit数据框计算信用评分。我使用线性SVM分类器来预测0和1（即0 = 好，1 = 坏）。

我通过以下代码成功地从SVM分类器中产生了概率。

final_pred = predict(classifier, newdata = data_treated[1:npredictors], decision.values = TRUE, probability = TRUE)probs = attr(final_pred,"probabilities")

我想知道如何读取这些概率输出。样本输出如下。这是否意味着，如果预测为1（违约）在第五行，那么概率为0.53601166。

              0          1 Prediction1    0.90312125 0.09687875 02    0.57899408 0.42100592 03    0.93079172 0.06920828 04    0.76600082 0.23399918 05    0.46398834 0.53601166 1

我能否使用上述相应的概率来开发信用评分卡，就像我们通常使用逻辑回归模型那样？

回答：

您会得到结果0或1的概率。每行的前两列之和为1，给出总体概率。您的解释在我看来是正确的，即当概率为0.53时，发生违约的可能性比没有违约的可能性（p = 0.46）更大。

是的，您可以使用该模型来开发信用评分卡。请注意，您不一定需要使用0.5作为决定公司或个人X是否会违约的 cutoff 值。