如何将 SVM 类概率转换为 logits？答案

【问题标题】：How can convert SVM class probabilities to logits?如何将 SVM 类概率转换为 logits？
【发布时间】：2019-02-20 14:17:51
【问题描述】：

我想将 SVM 输出的概率类转换为 logits。

为了得到每个类的概率

model = svm.SVC(probability=True)
model.fit(X, Y)
results = model.predict_proba(test_data)[0]
# gets a dictionary of {'class_name': probability}
prob_per_class_dictionary = dict(zip(model.classes_, results))
# gets a list of ['most_probable_class', 'second_most_probable_class', ..., 'least_class']
results_ordered_by_probability = map(lambda x: x[0], sorted(zip(model.classes_, results), key=lambda x: x[1], reverse=True))

我想用这些概率做什么？

将概率转换为对数。

为什么？

我想将 SVM 的结果与神经网络的结果合并。这样损失神经网络输出logits。因此，我正在寻找一种将 SVM 输出的概率转换为 logits 的方法，而不是使用相等的权重将神经网络 logits 与 SVM logits 合并：

SVM logits + neural network logits = overal_logits

overal_probabilities= softmax(overal_logits)

编辑：

它是否相当于 sum logits 然后得到概率以直接对除以 2 的概率求和？

proba_nn_class_1=[0.8,0.002,0.1,...,0.00002]

proba_SVM_class_1=[0.6,0.1,0.21,...,0.000003]

overall_proba=[(0.8+0.6)/2,(0.002+0.1)/2,(0.1+0.21)/2,..., (0.00002+0.000003)/2 ]

这个过程在数值上是否等同于 SVM 和 NN 的总和然后通过 softmax 得到概率？

谢谢

【问题讨论】：

为什么不把SVM概率和NN概率相加，然后除以结果呢？
@TimH 谢谢你的回答。请看我的更新。对吗？

标签： python-2.7 scikit-learn libsvm softmax

【解决方案1】：

def probs_to_logits(probs, is_binary=False):
    r"""
    Converts a tensor of probabilities into logits. For the binary case,
    this denotes the probability of occurrence of the event indexed by `1`.
    For the multi-dimensional case, the values along the last dimension
    denote the probabilities of occurrence of each of the events.
    """
    ps_clamped = clamp_probs(probs)
    if is_binary:
        return torch.log(ps_clamped) - torch.log1p(-ps_clamped)
    return torch.log(ps_clamped)

def clamp_probs(probs):
    eps = _finfo(probs).eps
    return probs.clamp(min=eps, max=1 - eps)

来自https://github.com/pytorch/pytorch/blob/master/torch/distributions/utils.py#L107

【讨论】：