R中SVM概率的信用评分

Question

我正在尝试计算R中germancredit数据帧的信用评分。我使用线性SVM分类器预测0和1(即0=好，1=坏(。

我设法使用以下代码从SVM分类器中产生概率。

final_pred = predict(classifier, newdata = data_treated[1:npredictors], decision.values = TRUE, probability = TRUE)
probs = attr(final_pred,"probabilities")

我想知道如何读取这些概率输出。样本输出在这里。以下输出是否意味着，如果第五行中的预测为1(默认值(，则概率为0.53601166。

0          1 Prediction
1    0.90312125 0.09687875 0
2    0.57899408 0.42100592 0
3    0.93079172 0.06920828 0
4    0.76600082 0.23399918 0
5    0.46398834 0.53601166 1

然后，我可以使用上述各自的概率来开发信用卡吗？就像我们通常使用逻辑回归模型一样

Answer 1

结果为0或1的概率。每行的前两列加起来就是一列，给出了总体概率。在我看来，你的解释似乎是正确的，即在概率为0.53的情况下，发生违约的可能性比在p=0.46的情况下不发生违约的概率更大。

是的，你可以用这个模型来开发信用卡。请注意，您不一定需要使用0.5作为您决定公司或个人X是否将违约的截止值。