Machine learning 如何与机器学习结果一起获得分数？

我是机器学习新手，目前正在研究分类问题。我能够训练模型并预测测试数据集。我想知道是否有某种方法可以让我在预测的同时得到分数。所谓分数，我的意思是这些分数和预测值都是接近度分数。例如，在基于年龄和工资的标准年龄工资购买分类问题中，我想知道，除了预测客户是否会购买该产品外，客户是否会购买该产品的100分是多少

目前，我正在使用LibSVM算法。有没有什么算法可以为我提供上述数据

---

谢谢。

您需要的是支持您的决定。换言之，许多分类器将其x类的决策建立在标签Y之上：

其中，py | x是他们对具有标签y的x的内部估计。这些分类包括：

具有sigmoid输出的神经网络 逻辑回归 朴素贝叶斯 投票组合，如RF ... 这些方法可以很容易地转换为你的0-100标度，因为概率是0-1标度

另一方面，有些人使用与概率成比例的度量，如SVM，但无界，在这里你可以得到这个值，通常称为决策函数，但你不能将它转换为0-100分，因为你没有最大值。这是一个很大的缺点，因此建议进行一些修改。特别是对于支持向量机，你有普拉特标度，它实际上适合支持向量机之上的逻辑回归，所以你可以得到你的概率估计。在libSVM中，可以设置-b来获得概率估计

从

-b概率估计：是否为概率估计训练SVC或SVR模型，默认为0或1

cl(x) = arg max_{y \in Y} p(y|x)