假设我的训练数据包含约 100 个变量，并且每个示例都被标记为“成功”或“失败”。
我了解如何使用神经网络来尝试根据变量预测成功与失败。
但是，我对输出后验概率而不是成功或失败的神经网络感兴趣。事实上，我根据概率的准确性（例如整个数据集上的 AUROC）而不是正确预测的案例百分比来评估 NN 的功效。
NN 是适合这里工作的工具吗？如果是，你如何构建 NN 来输出这个？
（注意：我是 ML 新手！）
神经网络输出概率估计？
机器算法验证
机器学习
可能性
神经网络
2022-04-18 21:06:30
3个回答
如果你的激活函数是逻辑的，那么它将输出 0-1 之间的连续值，或者你可以在多个结果变量的情况下使用 softmax。
仅适用于仍然对此问题感兴趣的人：
最先进的深度学习模型的 Softmax 与其说是概率估计，不如说是一个分数。
现在大多数深度网络都过于自信，如果您有兴趣，请查看以下论文： https ://arxiv.org/pdf/1706.04599.pdf
在您的 NN 中，如果您使用 softmax 输出层，您实际上会得到一个概率输出向量。这实际上是用于多类分类问题的最常见的输出层。要获取类标签，您可以对输出向量执行 argmax() 以检索所有标签中最大概率的索引。
其它你可能感兴趣的问题