machine-learning - 如何理解多类神经网络的输出

Question

使用神经网络多类模块在 Azure ML 中构建流程(有关设置，请参见图片)。

有关多类的更多信息:

数据流很简单，分为 80/20。

数据的准备工作是在进入 Azure 之前进行的。数据如下所示:

当我想要理解输出并如果可能的话将输出转换/计算概率时，我的问题就出现了。输出如下所示:

我的问题:如果我的模型的评分概率输出为 0.6 并且评分标签 = 1，那么评分标签 1 的模型有多确定？我如何确定实际结果将是 1？

我可以安全地假设 0.80 的得分概率 = 80% 的结果机会吗？或者我应该注意什么类型的结果？

Answer 1

首先，您处于二元分类设置，而不是多类分类设置(我们通常在类数 > 2 时使用此术语)。

If scored probabilities output for my model is 0.6 and scored labels = 1, how sure is the model of the scored labels 1?

在实践中，评分概率通常被解释为模型的置信度；因此，在此示例中，我们会说您的模型有 60% 的置信度认为特定样本属于 1 类(并且，作为补充，有 40% 的置信度认为它属于 0 类)。

And how sure can I be that actual outcome will be a 1?

如果您自己没有任何替代方法来计算此类结果(例如不同的模型)，我看不出这个问题与您之前的问题有何不同。

Can I safely assume that a scored probabilities of 0.80 = 80% chance of outcome?

这种说法会让专业统计学家发疯；尽管如此，上面关于置信度的说明应该足以满足您的目的(对于机器学习从业者来说确实足够了)。

我的回答在Predict classes or class probabilities?应该也有帮助。