Rapidminer - 神经网络算子 - 输出置信度答案

【问题标题】：Rapidminer - neural net operator - output confidenceRapidminer - 神经网络算子 - 输出置信度
【发布时间】：2012-08-08 09:53:21
【问题描述】：

我有六个输入、一个隐藏层和两个输出节点 (1; 0) 的前馈神经网络。该 NN 通过 0;1 值学习。应用模型时，创建了变量confidence(0)和confidence(1)，其中每行这两个数字的总和为1。我的问题是：这两个数字（置信度（0）和置信度（1））究竟是什么意思？这两个数字是概率吗？

感谢解答

【问题讨论】：

【解决方案1】：

一般情况

置信度值（或分数，因为它们在其他程序中被称为）代表了一个衡量标准，即模型对所呈现的示例属于某个类别的信心程度。它们高度依赖于一般策略和算法的属性。

示例

最简单的例子是多数分类器，它只是根据原始测试集中的比例为所有观察分配相同的分数

另一个例子是 k-nearest-neighbor-classifier，其中类 i 的分数是通过平均到那些都属于 k-nearest-neighbors 并且具有第一类。然后对所有类别的分数进行归一化。

在NN的具体例子中，不查代码不知道是怎么计算出来的。我猜这只是输出节点的值，在两个类之间进行了归一化。

置信度是否代表概率？

一般不会。为了说明这种情况下的概率意味着什么：如果一个示例对于类别“1”的概率为 0.3，那么具有 相似特征/变量值的所有示例中的 30% 应该属于类别“1”和 70%不应该。

据我所知，他的任务叫做“校准”。为此，存在一些通用方法（例如，对分数进行分箱并将它们映射到相应箱的类别分数）和一些依赖于分类器的方法（例如，为 SVM 发明的Platt Scaling）。一个好的开始是：

【讨论】：

【解决方案2】：

置信度度量对应于初始训练数据集中激活的输出 0 和 1 的比例。

例如如果您的训练集 30% 有输出 (1;0)，其余 70% 有输出 (0; 1)，则 confidence(0) = 30% and confidence(1) = 70%

【讨论】：

弗兰克，我想我被误解了，因为我写的不是整套的信心。在我的输出集中，我预测了变量（0 或 1）以及置信度（0）和置信度（1）列。这些数字对于输出的每一行/观察结果都是不同的。
@FranckDernoncourt 请使用“@”，我没有看到回复。一般意味着“一般用于在 rapidminer 中实现的所有分类算法”。虽然我可能误解了你的答案，但就目前而言，这是错误的。请注意，置信度是按行计算的，但您的置信度对于所有行都是固定的。因此，您的答案假定每个分类器都像多数分类器一样工作。