用于多类预测的可伸缩Python支持向量机

我想在python中预测多类分类SVM的概率。我真的很难找到一个可扩展的、能给出不错结果的东西

我有两个选择是LinearSVC和SVC。 前者的工作速度很快，但产生的概率估计值很差（下面的检查代码）

此外，我可以校准ClassifiedRCV，但它没有并行化选项。 而后者的工作速度非常慢（拟合时间复杂度在训练示例的数量上超过二次），并给出了合理的概率估计（普拉特标度）

---

由于我的团队的一些限制，我现在不使用Matlab。

您能在SVC输出上手动实现Platt缩放吗？您的数据大小是多少？您是否受限于使用SVM？谢谢回复！近140万个培训样本，包含32个功能。约为测试样品的1/4。不，我对ml非常陌生。我一直在寻找预先存在的代码。我从LIBSVM开发人员那里找到了这篇文章，展示了他们用于Platt伸缩的伪代码（在文章末尾）。这不是预先存在的代码，但您可能可以尝试实现伪代码。并找到一些可能也有用的代码。您是否能够在SVC输出上手动实现Platt缩放？您的数据大小是多少？您是否受限于使用SVM？谢谢回复！近140万个培训样本，包含32个功能。约为测试样品的1/4。不，我对ml非常陌生。我一直在寻找预先存在的代码。我从LIBSVM开发人员那里找到了这篇文章，展示了他们用于Platt伸缩的伪代码（在文章末尾）。它不是预先存在的代码，但是您可以尝试实现伪代码。并且找到一些可能也有用的代码。

prob_pos = clf.decision_function(X_test)
prob_pos = (prob_pos - prob_pos.min()) / (prob_pos.max() - prob_pos.min())