Scikit learn 使用scikit learn OneClassSVM时，获取每个新观测值作为异常值的概率

我对scikit和SVM方法都是新手。为了检测异常值，我的数据集与scikit learn OneClassSVM配合得很好；我使用观察训练OneClassSVM，所有这些都是“内联线”，然后使用predict（）在我的测试数据集上生成二进制内联线/离群线预测

---

然而，为了继续我的分析，我想得到与测试集中每个新观察相关的概率。例如，成为与每次新观测相关的异常值的概率。我注意到scikit learn中的其他分类方法提供了通过参数probability=True来计算这一点的能力，但OneClassSVM不提供这一点。有没有一种简单的方法可以得到这些结果

在进入本页之前，我一直在为你的同一个问题寻找答案。由于scikit learn的OneClassSVM是基于前面提到的LIBSVM实现的，所以我又回去检查了原始的LIBSVM包

最后，他们对用于激活某些SVM变量返回概率输出分数的选项'-b'说明如下： -b概率估计：是否为概率估计训练SVC或SVR模型，0或1（默认为0） 换句话说，SVM类型的一类SVM（既不是SVC也不是SVR）没有用于概率估计的实现

如果我尝试使用LIBSVM的命令行界面强制此选项（即-b），例如： ./svm序列-S2-T2-B1心音标度

我收到以下错误消息： 错误：尚不支持一类SVM概率输出

---

总之，LIBSVM还不支持这一非常理想的输出，因此，scikit learn暂时不提供它。我希望在不久的将来，他们会激活此功能并更新此处的线程。

它提供决策函数分数，理论上是正常和异常之间的边际决策边界距离。支持向量机进行无监督分类。这意味着算法内部的异常是根据到原点的距离定义的（引用自NIPS的Scholkopf论文）

TLDR：使用

clf.decision_function(samples) * (-1)

---

作为分数。你会得到分数的稀疏分布。

嗨，我知道这是一个老问题，但我想你一定已经解决了这个问题或找到了解决办法，我基本上停留在3年前的同一点上，我需要计算AUC-ROC的概率，我也发布了这个堆栈溢出问题