Python SVC&x27；s预测概率和决策函数速度差

在SVC的sklearn框架下，predict_proba是否依赖于decision_函数

我训练了一个概率设置为True的SVC模型，当对单个数据项x.shape=（1，N_features）执行推理时，需要从模型中获得结果所需的时间。decision_u函数（x）比模型慢得多。predicate_uProba（x）。我假设predict_proba首先调用decision_函数，然后计算校准概率，为什么它比decision_函数运行得更快。此外，在计算决策函数时，它也会使用大数据集和大类数耗尽内存，而预测概率则不是这样

在这两种方法的实现方式上是否存在一些根本性的差异

模型=SVC（概率=真）
#类数=150，数据列形状=（3000500）
模型拟合（数据序列、标签序列）
开始时间=时间（）
模型。预测概率（数据检验[0]。重塑（1，-1））
推断时间=（time（）-开始时间）#需要0.002秒
开始时间=时间（）
模型。决策函数（数据测试[0]。重塑（1，-1））
推断时间=（time（）-开始时间）#需要0.15秒

我预计预测概率比决策函数慢，但结果正好相反