Machine learning 从朴素贝叶斯分类预测计算不确定性
我已经在一个有3个分类（是、否、也许）的数据集上实现了一个朴素贝叶斯分类。目前我有一个数组，其中一个输入可能属于这三个类中的每一个。我选择概率最高的班级作为我的预测 我想计算一下我的预测的确定性。我是数据分析新手，所以我不确定他们的方法是否是计算数据的标准方法，所以任何资源或建议都会有所帮助 最初我想做的是：（Pm=预测概率，Pb=其他等级的概率，Pc=剩余第三等级的概率）Machine learning 从朴素贝叶斯分类预测计算不确定性,machine-learning,analytics,bayesian,naivebayes,Machine Learning,Analytics,Bayesian,Naivebayes,我已经在一个有3个分类（是、否、也许）的数据集上实现了一个朴素贝叶斯分类。目前我有一个数组，其中一个输入可能属于这三个类中的每一个。我选择概率最高的班级作为我的预测 我想计算一下我的预测的确定性。我是数据分析新手，所以我不确定他们的方法是否是计算数据的标准方法，所以任何资源或建议都会有所帮助 最初我想做的是：（Pm=预测概率，Pb=其他等级的概率，Pc=剩余第三等级的概率） 确定性=Pm/（Pm+Pb+Pc）或确定性=Pm^2/（Pm^2+Pb^2+Pc^2）但实际上这只是我提出的一个任意等式
确定性=Pm/（Pm+Pb+Pc）确定性=Pm^2/（Pm^2+Pb^2+Pc^2）Pm + Pb + Pc = 1.0