将多类模型的类概率转换为 0-100 范围内的分数答案

【问题标题】：Convert Class Probabilities of a multiclass model to scores in range 0-100将多类模型的类概率转换为 0-100 范围内的分数
【发布时间】：2019-12-25 21:33:22
【问题描述】：

我想做的是根据三类分类模型的预测生成 0-100 的分数。例如。 3 类逻辑回归模型的 predict_proba 给了我 3 个概率 x、y、z，如下所示 -

0 1 2

xyz

现在，我想根据这些概率生成 0-100 的分数，其中 0 更接近第 0 类，而 100 更接近第 2 类。

【问题讨论】：

你好！即使我也有类似的问题..您找到解决方案了吗？
是的。我找到了一种解决方法来做到这一点。现在，我将我的 0-100 分数划分为 3 个区间，即 0-32、33-66、67-100。现在，如果第 1 类的概率最高，则分数将在 33-66 之间。现在，将是 33 还是 66 取决于其他 2 个类别的概率。

标签： machine-learning scikit-learn data-science probability logistic-regression

【解决方案1】：

试试这个：

prob['P']=(prob['1']*1+prob['2']*2)/2

prob['0'] 乘以 0，所以你不需要它。

例子：

prob['0']=0.5, prob['1']=0.5, prob['2']=0==>prob['P']=0.25

prob['0']=0.75, prob['1']=0.25, prob['2']=0==>prob['P']=0.125

prob['0']=0.1, prob['1']=0.2, prob['2']=0.7==>prob['P']=0.8

prob['0']=0, prob['1']=0, prob['2']=1==>prob['P']=1

【讨论】：

嘿，Roee，这种方法效果很好。但是，如果您对此有一些数学上的理由，那就太好了。此外，在某些情况下它会失败。例如，当我们分别有 0、1 和 2 的概率为 0.34、0.33、0.33 时。我希望这个分数在 (0,35) 范围内，但我得到大约 49 分。
将其视为加权算术平均值 - 权重是类大小。如果你有相同的概率 - 你会得到 0.5 左右的分数 - 这是有道理的，因为你在 0 到 100 之间 - 没有一个职业足够强。
感谢您的回复。加权算术平均值听起来不错，但为什么我们还要保持分母为 2。它一定是 3。不应该吗？
由于概率总和为 1，这是一种特殊情况 - 通常，您除以权重之和，在这种情况下，您除以 1。除以 2 是归一化。当您将 a-100% 的机会乘以 2 的值时，将获得最大值 - 这意味着您必须将其除以 2，因为它是最大分数。