In:svc1.predict([X_poly[25].reshape(1,-1))Out:array([3], dtype=int64)In:svc1.decision_function([X_poly[25]])Out:array([[ 0.58348329, -0.99979492,  0.08571431, -0.99996706, -0.52397444,     0.99959056]])In:svc1.predict_proba(X_poly[25].reshape(1,-1))Out:array([[ 0.48373954,  0.11870606,  0.00261101,  0.39494339]])

我使用的是rbf核和’ovo’分类方法。我试图预测数据中第26个样本的类别。SVC分类器预测该样本的类别为3。然而，我无法理解为什么当概率显示其他结果时，它会选择类别3。您能否解释一下decision_function方法的输出及其如何用于预测类别的方法？

回答：

正如文档所述：

概率模型是通过交叉验证创建的，因此结果可能与predict方法得到的结果略有不同。此外，在非常小的数据集上，它会产生无意义的结果。

我认为这就是您得到不同输出结果的原因。

关于ovo（一对一）决策函数，由于您的决策函数返回了6个值，这意味着您有4个类别：

(n*(n-1))/2 = 6，其中n是类别的数量。

现在，如何使用decision_function返回的数值来预测类别。正如其名（一对一），它是一对一地比较类别，然后输出一个正数或负数来表示它认为哪个类别是正确的。在您的案例中，由于我们有4个类别，它产生了6个数字，这些数字代表了类别（1,2,3,4）之间的比较，如下所示：[12,13,14,23,24,34]，在您的案例中由以下决策向量表示：

[0.58348329, -0.99979492,  0.08571431, -0.99996706, -0.52397444, 0.99959056]

因此，哪个类别获胜取决于这些数字的符号，在这个例子中，获胜的类别是：[1,3,1,3,4,3]，即'12'由0.58348329比较，因此类别'1'获胜…依此类推。因此，决策函数投票选择类别'3'作为您的预测，因为它是获胜次数最多的类别。