如何理解多类神经网络的输出

How to understand output from a Multiclass Neural Network

使用神经网络多类模块在 Azure ML 中构建了一个流(有关设置,请参见图片)。

关于 Multiclass 的更多信息:

数据流很简单,80/20拆分。

数据在进入 Azure 之前进行准备。数据如下所示:

当我想理解输出并且如果可能的话 transform/calculate 输出到概率时,我的问题就来了。输出如下所示:

我的问题:如果我的模型的得分概率输出是 0.6 并且得分标签 = 1,那么得分标签 1 的模型有多确定?我如何确定实际结果会是 1?

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

首先,您处于 binary classification 设置中,而不是 multi-class 设置(我们通常在以下情况下使用此术语classes 的数量 > 2).

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

实践中,打分的概率通常被解释为模型的置信度;因此,在这个例子中,我们会说您的模型有 60% 的置信度认为特定样本属于 class 1(并且作为补充,有 40% 的置信度认为它属于 class 0)。

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 ML 从业者来说确实足够了)。

我在 中的回答应该也有帮助。