获取Python中的平均预测值

我创建了一个算法，将二进制分类作为概率返回，下面是预测的输出：

pred = [0.0139619, 0.986038]

我现在需要做的是平均这两个值，得到一个0到1之间的标量，它总结了预测的概率，就像一个例子：

averaged_pred = 0.974 # In range 0 to 1

---

如何实现这一点？

很难理解您实际上在做什么，因为我们还需要了解许多其他变量。例如，数组中的哪个值为真，哪个值为假

假设0.0139619为真，我将尽力解释：

在二进制分类中，您有true和false的数据。现在在二进制中，true表示为1，false表示为0，因此二进制仅为0和1

现在，用这些值构造一个概率分布。没错，我们没有数字，但我们有价值；在二进制中，true是1。因此，我们将值1除以概率作为一个百分比。这将给我们留下1/98.6038。我们现在可以对false执行同样的操作。二进制中的False是0，因此我们可以执行0/1.39619。最后，因为我们试图得到平均值，所以我们将两者相加。这给了我们两个二项式值之间的平均概率

要在python中实现这一点，我们只需创建for循环：

pred=[0.0139619,0.986038]#二元分类的概率
quantity=[1，0]#Widgits的值，这里是True和False
对于pred中的i：
indx=预测指数（i）
个体概率+=（数量[indx]/（i*100））
打印（问题个人）

基本上，这会发现pred的值是什么，数量的值是什么。它进行计算，并每次将其添加到名为prob_individual的变量中。最后，它打印这个值

---

我希望这就是你想要的。如果不是，那么我很抱歉，但我就是这样解释的。

平均值

0.974

。你想要平均每班吗？如果你对

0

和

1

的问题求平均值，结果总是

0.5

这只是一个例子，我需要得到两个类之间的平均值，我已经看到了，但我不确定函数应该是什么。我们的想法是，

average

是一个标量值，如果

pred=[100,0]

和

1

如果

pred=[100]

的话，它将是

0

，但我对这个过程感到困惑。可能使用熵-p*ln（p）？如果probs分别为0.5和0.5，则该值约为0.69，在[0,1]的情况下，该值会从那里降到接近0。谢谢！这正是我想要的。：）没问题！我希望你完成你的机器学习！