Binary LIBSVM概率估计

我想问一下，LIBSVM产生的概率估计值是否真的表明了到分离面的距离

如果我有二元类，我能说类0的较小概率估计也意味着它属于类1的可能性比类0的较大概率估计更高吗

---

谢谢第一个问题：

如果分离超平面和向量之间的距离非常大，我们可以对其正确分类有很高的置信度，因此概率估计将很高

相反，如果你有一个向量非常接近你的超平面，将两个类分开，它的概率估计将接近0.5

请记住，概率估计不是距离。但我要说的是，它是用距离来计算的

第二个问题：

事实上，如果你有一个二进制类，概率估计将在两个类之间传播

事件A“向量属于0类”则事件“向量属于1类”不是

如果向量在类0中，我们计算

我们可以计算出

---

因此，如果类1的概率为0.8，那么类0的概率为0.2

第一个问题：

如果分离超平面和向量之间的距离非常大，我们可以对其正确分类有很高的置信度，因此概率估计将很高

相反，如果你有一个向量非常接近你的超平面，将两个类分开，它的概率估计将接近0.5

请记住，概率估计不是距离。但我要说的是，它是用距离来计算的

第二个问题：

事实上，如果你有一个二进制类，概率估计将在两个类之间传播

事件A“向量属于0类”则事件“向量属于1类”不是

如果向量在类0中，我们计算

我们可以计算出

因此，如果类1的概率为0.8，那么类0的概率为0.2