带有BaggingClassifier的SVC提供了可能性0、1 / 3、2 / 3、1

如何解决带有BaggingClassifier的SVC提供了可能性0、1 / 3、2 / 3、1

我遇到了多标签文本分类问题，我尝试用SVM分类实现二进制相关性方法。但是，这花了很长时间训练，所以我使用了BaggingClassifier。 我具有大量功能，训练集的形状是（3564，23893）。 只能有3个标签。

为减少培训时间，我在很多事情上都做出了让步：对于参数调整，我仅使用2倍CV而不是5（对于Naive Bayes和Logistic Regression来说效果很好），对于BaggingClassifier，我设置了数字估计数到3。

我使用了以下代码：

pg_SV = {'classifier': [BaggingClassifier(SVC())],'classifier__base_estimator': [SVC()],'classifier__n_estimators': [3],'classifier__n_jobs': [-1],'classifier__verbose': [50],'classifier__base_estimator__kernel': ['linear'],'classifier__base_estimator__C': [1,100,1000],'classifier__base_estimator__verbose': [50]}
cl_SV = GridSearchCV(BinaryRelevance(),pg_SV,verbose=50,cv=2,n_jobs=-1)
cl_SV.fit(X_train,Y_train)
Y_score_SV = cl_SV.predict_proba(X_test).toarray()

并将此输出作为预测概率：

Y_score_SV

array([[0.,1.,0.33333333],[1.,0.66666667,0.        ],...,[0.,0.,0.        ]])

例如我的ROC曲线对于标签来说是很详细的：

roc_curve(Y_test_C[:,1],Y_score_SV[:,1])

(array([0.,0.114,0.262,0.502,1.   ]),array([0.,0.3887468,0.60613811,0.7826087,1.        ]),array([2.,0.33333333,0.        ]))

也许我对参数太过刻苦，并且没有为模型提供足够的“空间”，这就是为什么概率如此简单的原因？