Statistics 分类时计算置信度
我正在使用朴素贝叶斯算法来预测电影的正面或负面收视率。我能够以81%的准确率给电影评分。然而，我也在尝试为每个评级分配一个“信心水平”Statistics 分类时计算置信度,statistics,machine-learning,nlp,probability,Statistics,Machine Learning,Nlp,Probability,我正在使用朴素贝叶斯算法来预测电影的正面或负面收视率。我能够以81%的准确率给电影评分。然而，我也在尝试为每个评级分配一个“信心水平” 我试图确定如何告诉用户“我们认为审查是积极的，有80%的信心”。有人能帮我理解如何计算分类结果的置信度吗？你可以报告Naive Bayes计算的概率p（y |x）。（但请注意，Naive Bayes不是一个很好的概率模型，即使它不是一个很糟糕的分类器。）由于Naive Bayes实际上计算非常“小”的值，报告（对于结果为“正”的二元分类）p（正| x）/（p（正
我试图确定如何告诉用户“我们认为审查是积极的，有80%的信心”。有人能帮我理解如何计算分类结果的置信度吗？你可以报告Naive Bayes计算的概率p（y |x）。（但请注意，Naive Bayes不是一个很好的概率模型，即使它不是一个很糟糕的分类器。）由于Naive Bayes实际上计算非常“小”的值，报告（对于结果为“正”的二元分类）p（正| x）/（p（正| x）+p（负| x））作为用户的“分数”不是更好吗？@lejlot p（pos x）+p（负| x）=1，所以我看不出这有什么变化。这只适用于概率，而不适用于NB的典型实现所存储的值（通常是非规范化的，对吗？@lejlot:取决于OP的实现，但如果你调用NB P（y | x）中的值，那么这表明它们是概率：）P（正| x）是规范化的，类成员的后验概率。可能性p（x |正）是非常小的。Larsmans完全正确你能分享一下你的实现吗？很难说你是如何实现朴素贝叶斯的：作为一个概率分类器（它可以做你想做的事情）或者作为一个线性模型（它稍微快一点）。