我注意到,给定相同的特征表(训练数据)和SVC的特征向量,我得到的predict_proba输出结果不同。
这是 SVC 的预期行为,还是我应该获得一致的结果?
感谢您的帮助!
我认为这是由于libsvm使用对数据集的随机折叠进行交叉验证来校准概率这一事实造成的。在最新版本的 sklearn (0.14.1+) 中,将random_state=0
作为构造函数参数传递应该可以修复 libsvm 内部使用的 PRNG 种子。如果它不能解决结果,请随时使用简约的复制脚本打开 github 问题。