Scikit learn sklearn：评估线性SVC'；s AUC

我知道可以通过将

probability=True

选项传递到构造函数中，让svm预测概率来评估

sklearn.svm.SVC

的AUC，但我不确定如何评估

sklearn.svm.LinearSVC

的AUC。有人知道怎么做吗

---

我想使用

LinearSVC

而不是

SVC

，因为

LinearSVC

似乎可以更快地训练具有许多属性的数据。

看起来这是不可能的。

---

您可以使用CalibredClassifiedRCV类来提取概率。这是一个例子

from sklearn.svm import LinearSVC
from sklearn.calibration import CalibratedClassifierCV
from sklearn import datasets

#Load iris dataset
iris = datasets.load_iris()
X = iris.data[:, :2] # Using only two features
y = iris.target      #3 classes: 0, 1, 2

linear_svc = LinearSVC()     #The base estimator

# This is the calibrated classifier which can give probabilistic classifier
calibrated_svc = CalibratedClassifierCV(linear_svc,
                                        method='sigmoid',  #sigmoid will use Platt's scaling. Refer to documentation for other methods.
                                        cv=3) 
calibrated_svc.fit(X, y)


# predict
prediction_data = [[2.3, 5],
                   [4, 7]]
predicted_probs = calibrated_svc.predict_proba(prediction_data)  #important to use predict_proba
print predicted_probs