python按概率输出分类结果_sklearn例程:多分类输出概率

示例简介

本示例介绍如何绘制不同分类器的分类概率。我们在拥有3个类别的数据集上，使用如下分类模型进行多分类：

支持向量分类器(SVM Classification, 简称SVC)

线性SVC在默认情况下不是概率分类器，但在此示例中启用了内置校准选项(probability=True)

逻辑回归(LogisticRegression，简称LR)，尝试了3种参数配置：

采用L1正则化

采用L2正则化和One-Vs-Rest模式，One-Vs-Rest简称OvR，即做多分类时，将1个类的样本作为正例，其他类的样本作为负例。

使用One-Vs-Rest的逻辑回归不是开箱即用的多类分类器。在下文中可用看到，与其他模型估计量相比，在将第2类和第3类分离时会有一些问题。

采用L2正则化和multinomial模式，multinomial即直接做多分类。

高斯过程分类(GaussianProcessClassifier，简称GPC)。

代码实现[Python]

# -*- coding: utf-8 -*-

print(__doc__)

# Author: Alexandre Gramfort

# License: BSD 3 clause

import matplotlib.pyplot as plt

import numpy as np

from sklearn.metrics import accuracy_score

from sklearn.linear_model import LogisticRegression

from sklearn.svm import S