我見過的大部分東西只是使用最大概率,這看起來沒問題,但並沒有給你任何信心。相對概率也應該很重要,對嗎?讓我來解釋:一般來說,如何解釋由多標籤分類器產生的概率?
在二元分類的情況下,假設你的類別是A和B.
P(A)= 0.01,P(B)= 0.99的分類結果是非常強烈表明「一個'。 (A)= 0.6,P(B)= 0.4是不太確信的'A'分類。
一旦丟 'C' 類進入混合,即可 P(A)= 0.8,P(B)= 0.1,P(C)= 0.1,這是強烈 'A'
你也可以,但是,得到以下之一:
P(A)= 0.50,P(B)= 0.25,P(C)= 0.25
P(A)= 0.50 ,P(B)= 0.49,P(C)= 0.01
現在,第一個案件不太自信,但仍會出現'A' 如果max是我唯一的標準,第二個案例將完全相同,但顯然不是。
在情況1中,'A'對結果沒有信心,但沒有其他可能。在情況2中,P(A)仍然是0.5,但它基本上與P(B)相同,這意味着我不應該對觀察結果有任何信心是'A'
是否有一個函數捕捉這種相對信心的概念?我一直在想一個解決方案,它不是一個if語句的集合,但沒有提出任何好的東西。
在這兩種情況下P(A)= 0.5,所以你在觀察中的'信仰'是'A'是一樣的。 –
從概率意義上講,我同意。將分類結果解釋爲純粹的概率是否有意義?直覺上,我認爲它是第一種情況下的分類器,說「如果我必須選擇,A是最可能的候選人」,並且無法在第二種情況下區分A和B – user3765410
此問題更適合於[Cross已驗證](http://stats.stackexchange.com) – Tchotchke