Machine learning 是否有任何度量来评估输出概率'；分类模型的精度？

我目前正在用Python和Keras为二进制分类任务（成功/失败）开发一个模型。我的目标是为每次观察生成成功概率，以便以后在另一项任务中使用它们

你知道有哪种度量标准可以量化这些概率的准确性（而不是模型的整体准确性）

---

提前谢谢。

您是否尝试过使用类似的度量？谢谢您的回答。我在维基百科上查看了Brier分数，但它似乎只是一个简单的MSE，但却是公式的有趣分解（）。这是每个预测组的biais_平方+方差分解，可以在我的例子中使用，但问题仍然在于选择足够大的组，使其不为空，但又不太大，使其具有接近的预测概率。任何关于选择“正确”群体的建议都是欢迎的。