Scikit-learn Ridge 分类器：提取类概率

我目前正在使用 sklearn 的 Ridge 分类器，并且希望将此分类器与 sklearn 和其他库中的分类器集成。为了做到这一点，理想的做法是提取给定输入属于类列表中每个类的概率。目前，我正在使用 model.decision_function(x) 的输出来压缩类，但这返回的是距超平面的距离，而不是直接的概率。 这些距离值从 -1 左右到 1 左右变化。

distances = dict(zip(clf.classes_, clf.decision_function(x)[0]))  

如何将这些距离转换为一组更具体的概率（一系列总和为 1 的正值）？我正在寻找类似的东西clf.predict_proba()这是在 sklearn 中为 SVC 实现的。

进一步的探索导致使用 softmax 函数。

d = clf.decision_function(x)[0]
probs = np.exp(d) / np.sum(np.exp(d))

这保证了总和为 1 的 0-1 有界分布。