machine-learning - 机器学习中如何知道分类结果更接近哪个类

Question

请原谅我的标题不清楚，我无法用一个很好的方式来表达它。但这里有一个例子。假设我有一组包含 3 个类别的数据:正类、中性类和负类，然后我用它们来训练分类器。现在我想知道，如果该分类器预测中性，它是更多的是正中性还是负中性。

所以我能想到的最直接的方法就是检查第二高的可能性，或者考虑所有可能性，但具有不同的权重/系数。

是否有针对此类问题的术语？我应该接触哪些文件？非常感谢。

Answer 1

任何具体答案都取决于您计划使用的算法(朴素贝叶斯、3 类 SVM、谱聚类等)和实现(分析框架)。您正在寻找的衡量标准位于“评分”标题下，其中大多数确实可以让您以编程方式访问评估功能。

根据您的数据空间，找到经过训练的边界(以便您知道哪个更接近)可能会更成问题，因为边界可能不是线性的，甚至没有良好的空间表示。

至于要阅读的论文......(1)在不了解更多关于您的预期应用的情况下，我所能建议的就是去阅读有关机器学习和分类与评分的文章； (2) 请求资源引用是 StackOverflow 上禁止的问题类别之一。

这是否会插入您朝有用的方向发展？