支持向量机模型平均在sklearn中

我想对在不同样本上训练但类别相同的两个SVM的得分进行平均

# 数据有相同的标签 x_1[1] 有 y_1[1] 并且 x_2[1] 有 y_2[1]# 其中 y_2[1] == y_1[1]Dataset_1=(x_1,y)Dataset_2=(x_2,y)test_data=(test_sample,test_labels)

我们有50个类别。数据集1和数据集2的类别相同：

list(set(y_1))=list(set(y_2))

我尝试过的方法：

from sklearn.svm import SVC

clf_1 = SVC(kernel='linear', random_state=42).fit(x_1, y)clf_2 = SVC(kernel='linear', random_state=42).fit(x_2, y)

在执行以下操作之前，如何平均clf_1和clf_2的得分：

predict(test_sample)

我想做的是什么？

回答：

我不确定我是否理解你的问题；要像典型的集成学习那样简单地平均得分，你应该首先从每个模型分别获取预测概率，然后只需取它们的平均值：

pred1 = clf_1.predict_proba(test_sample)pred2 = clf_2.predict_proba(test_sample)pred = (pred1 + pred2)/2

为了获得预测概率而不是硬类别，你应该在初始化SVC时使用额外的参数probability=True。

pred的每一行将是一个长度为50的数组，与你的类别数量相同，每个元素代表样本属于相应类别的概率。

在平均后，只需取pred的argmax – 但要确保返回的概率的顺序是正确的；根据文档：

列对应于属性classes_中按排序顺序出现的类别

由于我不完全确定这意味着什么，请在训练集上运行一些预测检查，以确保顺序是正确的。

学技术