Svm精准率，召回率问题
来源：11-6 到底什么是核函数
寅时猛抽风
2018-09-20
在逻辑回归中，wx+b=0就是决策边界，要调整准确率就是调整等号右边的数值，这个很容易可以实现对于决策边界的人为调整。但是在svm中，我们可以很容易的求出准确率召回率，但是我看的资料上说，通过拉格朗日变换之后，实际上最后sklearn中fit()之后存储的是alpha值，这样的话，我们怎么去调整精准率和召回率呢
写回答
1回答
-
其实所有的算法，调整精准率和召回率的原理是一样的。近乎所有的算法，都是对于每一个数据点，计算了一个值，通常称为“决策值”，让这个决策值，和一个threshold作比较。调整精准率召回率，就是要调整这个threshold。
对于scikit-learn中的svc，调用decision_function可以获得这个决策值。当有了这个决策值，你就可以通过precision_recall_curve方法，获得对于不同的threshold，相应的精准率，召回率是多少。你就可以根据你期待的标准，找到你需要的那个threshold。
最终，要应用这个threshold，我们只需要在预测的时候，计算待预测数据的decision_function的值，然后根据你设定的threshold进行分类就好了（而不是直接调用predict）。比如我们将获得的待预测数据集的decision_function的存在y_scores中，之后，只要再通过下面的我们自定义的决策分类函数就好了：
def adjusted_classes(y_scores, t): """ y_scores存储数据集的决策值，t为决策阈值。返回分类结果。 """ return [1 if y >= t else 0 for y in y_scores]
加油！：）
032018-09-20
相似问题