Machine learning 如何理解多类神经网络的输出
使用神经网络多类模块在Azure ML中构建流(有关设置,请参见图片)。 有关多类的更多信息: 数据流很简单,分为80/20 数据的准备工作是在数据进入Azure之前进行的。数据如下所示: 当我想要理解输出,如果可能的话,将输出转换/计算为概率时,我的问题就来了。输出如下所示: 我的问题:如果我的模型的得分概率输出为0.6,得分标签=1,那么得分标签1的模型有多确定?我有多确定实际结果会是1Machine learning 如何理解多类神经网络的输出,machine-learning,neural-network,azure-machine-learning-studio,multiclass-classification,Machine Learning,Neural Network,Azure Machine Learning Studio,Multiclass Classification,使用神经网络多类模块在Azure ML中构建流(有关设置,请参见图片)。 有关多类的更多信息: 数据流很简单,分为80/20 数据的准备工作是在数据进入Azure之前进行的。数据如下所示: 当我想要理解输出,如果可能的话,将输出转换/计算为概率时,我的问题就来了。输出如下所示: 我的问题:如果我的模型的得分概率输出为0.6,得分标签=1,那么得分标签1的模型有多确定?我有多确定实际结果会是1 我可以安全地假设得分概率为0.80=80%的结果概率吗?或者我应该注意哪种类型的结果?首先,您处于
我可以安全地假设得分概率为0.80=80%的结果概率吗?或者我应该注意哪种类型的结果?首先,您处于二元分类设置中,而不是处于多类分类设置中(我们通常在类数>2时使用此术语) 如果我的模型的得分概率输出为0.6,得分标签=1,那么得分标签1的模型有多确定 在实践中,得分概率通常被解释为模型的置信度;因此,在本例中,我们会说您的模型有60%的置信度认为特定样本属于类别1(并且,作为补充,有40%的置信度认为它属于类别0) 我有多确定实际结果会是1 如果你自己没有计算这些结果的其他方法(例如,不同的模型),我看不出这个问题与你之前的问题有什么不同 我可以安全地假设得分概率为0.80=80%的结果概率吗 这种说法会让专业统计学家发疯;尽管如此,上述关于信心的澄清对于您的目的来说应该足够了(对于ML从业者来说确实足够了)
我在中的回答也应该很有帮助。首先,您处于二进制分类设置中,而不是处于多类分类设置中(我们通常在类数>2时使用此术语) 如果我的模型的得分概率输出为0.6,得分标签=1,那么得分标签1的模型有多确定 在实践中,得分概率通常被解释为模型的置信度;因此,在本例中,我们会说您的模型有60%的置信度认为特定样本属于类别1(并且,作为补充,有40%的置信度认为它属于类别0) 我有多确定实际结果会是1 如果你自己没有计算这些结果的其他方法(例如,不同的模型),我看不出这个问题与你之前的问题有什么不同 我可以安全地假设得分概率为0.80=80%的结果概率吗 这种说法会让专业统计学家发疯;尽管如此,上述关于信心的澄清对于您的目的来说应该足够了(对于ML从业者来说确实足够了)
我的答案也应该是有帮助的。答案没有帮助吗?是的,有一点,我投了更高的票。但我希望得到更多的回答,我不认为你会得到——这几乎是标准的员工;但哪一部分还不清楚?我读了你的“我在预测类或类概率中的答案”,但仍然没有得到答案。我有没有办法从“得分概率”中计算出实际概率的百分比你已经得到了他们-他们是你的得分概率,0.973是97.3%,等等。。。严格地说,概率是[0,1]中的数字,比如你得到的数字,%转换只是为了便于交流……回答没有帮助?是的,有一点,我投了更高的票。但我希望得到更多的回答,我不认为你会得到——这几乎是标准的员工;但哪一部分还不清楚?我读了你的“我在预测类或类概率中的答案”,但仍然没有得到答案。我有没有办法从“得分概率”中计算出实际概率的百分比你已经得到了他们-他们是你的得分概率,0.973是97.3%,等等。。。严格地说,概率是[0,1]中的数字,例如你得到的数字,%转换只是为了更方便地交流。。。