scikit learn - not - ¿Cuál es la diferencia entre predict_proba y la función de decisión en Sklearn(Python)?

predict_proba is not available when probability=false

Question

Estoy estudiando un ejemplo de scikit-learn (comparación de clasificadores) y me confundí con predict_proba y decision_function .

Z = clf.decision_function() los resultados de clasificación dibujando los contornos usando Z = clf.decision_function() , o Z = clf.predict_proba() .

¿Cuáles son las diferencias entre estos dos? ¿Es así que cada método de clasificación tiene cualquiera de los dos puntos?

¿Cuál es más apropiado para interpretar el resultado de la clasificación y cómo debo elegir entre los dos?

Answer 1

El último, predict_proba es un método de un clasificador (blando) que da salida a la probabilidad de que la instancia esté en cada una de las clases.

La primera, decision_function , encuentra la distancia al hiperplano de separación. Por ejemplo, un (n) clasificador SVM encuentra hiperplanos que separan el espacio en áreas asociadas con resultados de clasificación. Esta función, dado un punto, encuentra la distancia a los separadores.

Supongo que predict_prob es más útil en su caso, en general, el otro método es más específico para el algoritmo.