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。。。