假设我有三节课$C_1$,$C_2$,$C_3$和一个模型$M$输出分数$P$样本的每个类别的置信度$X$IE$M(X)=[P(C_1),P(C_2),P(C_3)]$（注意，我们只想预测一个类）

假设我创建了 3 个一对一精度/召回图，并且我决定每个类别的最佳阈值是

$T_1 = 0.6$

$T_2 = 0.7$

$T_3 = 0.5$

然后我们可以创建分配的逻辑$X$像这样的班级：

如果指数，$i$, 的最大分数$M$大于或等于$T_i$， 分配$X$到$C_i$. 否则，不要分配$X$对于任何东西，请参阅下面的两个示例以获取两个输入$X$：

$M(X_1) = [0.8,0.1,0.1] \rightarrow C_1\quad$因为最大的问题是$0.8$这是针对第 1 类和$T_1<0.8$

$M(X_2) = [0.3,0.6,0.1] \rightarrow \text{None}\quad$因为最大的分数是$0.6$这是 2 级的，但是$T_2>0.6$

但是，有些事情告诉我，通过这种方式，我们不会像我们一开始就决定阈值那样为每个类保留最佳精度/召回率，所以我的问题是：

1. 我们能否为多类分类设置动态阈值，即每个类的阈值同时保持所有类的最佳精度/召回率？
2. 当我们想要控制每个类的精度/召回率时，是否有更好的方法来根据我上面的问题来决定多类分类的阈值

编辑：

假设我的验证集有以下结果：

conf  pred  target
----+------+-------
0.9    C1     C1
0.8    C1     C1
0.76   C1     C2
.
.
0.93   C2     C2
0.9    C2     C2
0.83   C2     C3
.
.

这难道不会克服一对一休息示例的问题，因为我们现在有信心当涉及所有三个类而不是 3 倍一对一休息？