如何使用 scikit learn SVC 进行概率分类？

Question

首先我的数据是这样的：

label|instances(sentences)
5    |1190
4    |839
3    |239
2    |204
1    |127

然后我交叉验证：

from sklearn import cross_validation
kf = cross_validation.KFold(n=len(y),n_folds=10)

for train_index, test_index in kf:
    print "\nTRAIN:\n", train_index, "\n TEST:\n", test_index
    X_train, X_test = X_combined_features[train_index], X_combined_features[test_index]
    y_train, y_test = y[train_index], y[test_index]

从documentation我知道可以按如下方式开启概率度量：

svm = SVC(probability=True)

我想使用概率分类和 SVM，所以假设我读取了数据，然后执行以下操作：

from sklearn.svm import SVC
svm = SVC(kernel='linear', probability=True)
svm.fit(reduced_training_matrix, y)
output_proba = svm.predict_proba(reduced_testing_matrix)
print output_proba

然后我得到了这个：

[[ 0.06351278  0.05312154  0.07709772 ...,  0.41958171  0.00076087
   0.00076095]
 [ 0.05813505  0.05373973  0.08617775 ...,  0.47467149  0.00082695
   0.00082701]
 [ 0.05576647  0.04756668  0.08216568 ...,  0.47984425  0.00077685
   0.00077693]
 ..., 
 [ 0.05983482  0.03972051  0.07636607 ...,  0.4853006   0.00070774
   0.00070783]
 [ 0.05813505  0.05373973  0.08617775 ...,  0.47467149  0.00082695
   0.00082701]
 [ 0.05989075  0.04822012  0.07795987 ...,  0.48084117  0.00073095
   0.00073101]]

上述练习引发了几个问题：该数组输出是什么（即它是什么意思？），我是否以正确的方式做事？...如果不是，我应该如何进行才能使用使用 SVC 进行概率分类？

更新：

vector_of_probabilities_for_sample= reduced_training_matrix[j,:]
print vector_of_probabilities_for_sample.toarray()

[[ 0.  0.  0.  0.  0.  0.]]


probability_of_corresponding_class = reduced_training_matrix[j,:]
print probability_of_corresponding_class.toarray()

[[ 0.  0.  0.  0.  0.  0.]]

Answer 1

那个数组输出是什么

reduced_training_matrix 中每个对应样本的某个标签的概率。这里的每 i 列 - 对应类 svm.classes_[i] 的概率，每 j 行 - 样本 reduced_training_matrix[j,:] 的概率向量。显然每一行之和等于1。

我做事的方式正确吗？

是的。