我在 python 中使用回归 SVM，我想知道是否有任何方法可以为其预测获得“置信度测量”值。
以前，当使用 SVM 进行二进制分类时，我能够从“边距”计算置信度类型值。这是一些伪代码，显示了我如何获得置信度值：
# 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)
我想新样本离训练数据越远，信心越差，但我正在寻找一个可能有助于为此计算合理估计的函数。
我的（高级）问题如下：
- 我有一个函数 F(x)，其中 x 是一个高维向量
- F(x) 可以计算，但速度很慢
- 我想训练一个回归 SVM 来近似它
- 如果我能找到预测置信度低的“x”值，我可以添加这些点并重新训练（又名主动学习）
以前有没有人获得/使用过回归-SVM 置信度/边距值？