Python 如何计算小数据集SVM分类的概率（置信度）？

用例：

我有一个小数据集，每个类大约有3-10个样本。我正在使用sklearnSVC对具有rbf内核的对象进行分类。 我需要预测和预测类的置信度。我使用了SVC的预测概率方法。 我得到了奇怪的结果。我搜索了一下，发现它只适用于较大的数据集

在堆栈上找到此问题

问题的作者通过将数据集相乘，从而复制数据集来验证这一点

我的问题：

1） 如果我将我的数据集乘以100，每个样本乘以100次，它会增加“预测概率”的“正确性”。它会有什么副作用？过度装修

2） 有没有其他方法可以计算分类器的置信度？比如离超平面的距离

3） 对于这样小的样本量，支持向量机是推荐的算法还是我应该选择其他算法？

首先：对于任何实际用途，您的数据集似乎都非常小。话虽如此，让我们看看我们能做些什么

支持向量机主要用于高维环境。目前还不清楚这是否适用于您的项目。它们在少数（甚至单个）支持实例上构建平面，并且在使用神经网络的大型训练集的情况下往往表现出色。从本质上讲，它们可能不是你最糟糕的选择

对数据进行过采样对使用SVM的方法几乎没有作用。SVM基于支持向量的概念，支持向量基本上是一个类的离群值，定义了类中的内容和类中的内容。过采样将不会构造新的支持向量（我假设您已经将训练集用作测试集）

此场景中的纯过采样也不会为您提供任何关于置信度的新信息，而不是由非平衡过采样构建的伪影，因为实例将是精确副本，并且不会发生分布更改。您可以使用（合成少数过采样技术）找到一些信息。基本上，您将根据现有实例生成合成实例。从理论上讲，这将为您提供新的实例，这些实例不会与您拥有的实例完全相同，因此可能会有点脱离正常分类。注：根据定义，所有这些示例将位于示例空间中的原始示例之间。这并不意味着它们将位于预测的SVM空间之间，可能是学习效果并不真实

---

最后，可以根据到超平面的距离估计置信度。请参阅：

你所说的“信心”是什么意思？不管怎样，只有3个样本，你选择的任何东西都没有多少希望。@juanpa.arrivillaga分类器对这个样本属于这个类的信心有多大。普拉特标度还是与超平面的距离？正如@juanpa所说的——对于3个样本来说，真的没有什么合理的选择。特别是SVM毫无意义（和99%的其他统计方法）。你可以使用1-NN，这是一个简单的规则“贴上最近点的标签”，但同样-每个类3个样本对于任何像样的分析来说都太小了。除非你有数以万计的类，并且它们之间有一个结构。@lejlot我同意样本量不是很好，但如果由我决定，我会增加数据集。但我们为品牌提供了一项服务，我们根据他们提供的例子对声明的意图进行了分类。用户最初只会输入这些示例。它可能会慢慢增加，但最初我并不期望有大量样本用于培训。如果我对每个样本进行50次训练，会怎么样？它的副作用是什么。我很抱歉提出这样一个愚蠢的问题。复制样本没有任何作用。