如何理解多类神经网络的输出答案

【问题标题】：How to understand output from a Multiclass Neural Network如何理解多类神经网络的输出
【发布时间】：2019-01-30 20:37:06
【问题描述】：

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

更多关于 Multiclass 的信息：

数据流很简单，80/20 分割。

在数据进入 Azure 之前进行数据准备。数据如下：

当我想理解输出并尽可能将输出转换/计算为概率时，我的问题就出现了。输出如下所示：

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

【问题讨论】：

回答没有帮助？
是的，我赞成。但我希望得到更多的答案
我不认为你会得到 - 这几乎是标准的员工；但是哪一部分还不清楚？
我阅读了您的“我在预测类或类概率中的答案？”但仍然没有得到它。有没有办法让我从“得分概率”中计算出实际概率百分比？
?? - 你已经得到它们 - 它们是你的得分概率，0.973 是 97.3% 等等......严格来说，概率是 [0,1] 中的数字，比如你得到的，百分比转换是只是为了更方便的沟通...

【解决方案1】：

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

如果我的模型的得分概率输出为 0.6 并且得分标签 = 1，那么得分标签的模型有多确定为 1？

在实践中，得分概率通常被解释为模型的置信度；因此，在本例中，我们会说您的模型对特定样本属于第 1 类有 60% 的置信度（互补性，对它属于第 0 类有 40% 的置信度）。

我如何确定实际结果会是 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。

我可以安全地假设 0.80 的得分概率 = 80% 的结果机会吗？

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Predict classes or class probabilities? 的回答应该也会有所帮助。

【讨论】：