大于二分类的模型的评估方法有哪些?

对于一个多分类模型,比如4分类的。现在给定一组确定的特征值,模型预测的结果是p(0.01,0.39,0.51,0.09)。在实际数据集中,同样的一组特征值的概率为p(0.02,0.40,0.50,0.08)。  对于这种情况,模型的预测率怎么算呢?应该不能说精度只有0.51吧?

邹博 - 计算机科学博士,深谙机器学习算法原理

赞同来自: sunnyGrace fish

这可能是《机器学习(升级版)》中的问题。显然不能说是0.51。 多分类模型可以使用几乎所有二分类的标准来迁移。 但这里问题中的场景,使用交叉熵损失即可:sigma(yi*log(yi_hat))。

sunnyGrace

赞同来自:

谢谢邹老师的热心帮助。我试试。这份数据集中,给定的某一组特征值,数据本身就不严格属于某一类,想让精确率提高到比如80%,苦恼了很久。菜鸟一个,谢谢老师提点。期待老师的机器学习升级版噢。小板凳已摆好。。。。

要回复问题请先登录注册