La confiance de régression en utilisant SVMs en python

Question

J'utilise des SVMs de régression en python et je me demande s'il y a un moyen d'obtenir une valeur de "confiance-mesure" pour ses prédictions.

Auparavant, lorsque j'utilisais des SVM pour la classification binaire, j'étais capable de calculer une valeur de type confiance à partir de la 'marge'. Voici quelques pseudo-code montrant comment je suis arrivé une valeur de confiance:

# Begin pseudo-code 
import svm as svmlib 

prob = svmlib.svm_problem(labels, data) 
param = svmlib.svm_parameter(svm_type=svmlib.C_SVC, kernel_type = svmlib.RBF) 
model = svmlib.svm_model(prob, param) 

# get confidence 
confidence = self.model.predict_values_raw(sample_to_classify) 

J'imagine que plus le nouvel échantillon est à partir des données de formation, plus la confiance, mais je suis à la recherche d'une fonction qui pourrait aider à calculer une estimation raisonnable pour cela.

Mon problème (haut niveau) est la suivante:

• J'ai une fonction F (x), où x est un vecteur de grande dimension
• F (x) peut être calculé mais est très lent
• Je veux former une régression SVM l'approximer
• Si je peux trouver des valeurs de « x » qui ont une faible confiance de prédiction, je peux ajouter ces points et reconvertir (aka. apprentissage actif)

Est-ce que quelqu'un a déjà obtenu/utilisé des valeurs de confiance/marge de régression-SVM auparavant?

Answer 1

Jetez un oeil à cette réponse similaire sur Stack de retour en Janvier. La réponse choisie était sur place en ce qui concerne combien il est difficile d'obtenir des mesures de confiance sur les méthodes d'ajustement non-paramétrique. Il y a probablement quelque chose de type bayésien que vous pourriez faire, mais ce n'est probablement pas possible avec la bibliothèque Python SVM: Prefer one class in libsvm (python).