Wie man die Klasse kennt, in der das klassifizierte Ergebnis dem maschinellen Lernen näher kommt

Question

Verzeihen Sie mir, dass ich im Titel nicht klar war, ich konnte es nicht wirklich schön formulieren. Aber hier ist ein Beispiel. Angenommen, ich habe eine Datenmenge mit 3 Klassen: positiv, neutral und negativ, und dann benutze ich sie, um einen Klassifikator zu trainieren. Nun möchte ich wissen, dass, wenn dieser Klassifikator neutral sagt, er eher ein positiver neutraler oder ein negativer Neutraler ist.

So die einfachste Möglichkeit, die ich denken könnte, ist nur die zweithöchste Möglichkeit zu überprüfen, oder alle Möglichkeiten zu betrachten, aber mit unterschiedlichen Gewicht/Koeffizienten.

Gibt es einen Begriff für diese Art von Problem? Irgendwelche Papiere, die ich erreichen sollte? Danke vielmals.

Answer 1

Jede spezifische Antwort hängt vom Algorithmus (Naive Bayes, 3-Klassen-SVM, Spektralclustering usw.) und der Implementierung (Analyserahmenwerk) ab, die Sie verwenden möchten. Die gesuchte Kennzahl steht unter der Überschrift "Scoring". Die meisten davon geben Ihnen einen programmatischen Zugriff auf die Bewertungsfunktion.

Je nach Datenraum kann es schwieriger sein, die trainierten Grenzen zu finden (so dass Sie wissen, welche näher ist), da die Grenzen möglicherweise nicht linear sind oder sogar eine gute räumliche Darstellung haben.

Wie für Papiere zu lesen ... (1) Ohne mehr über Ihre beabsichtigte Anwendung zu wissen, alles, was ich vorschlagen kann, lesen Sie über Machine Learning und Klassifizierung vs Bewertung; (2) Die Abfrage nach Ressourcenreferenzen ist eine der Proskribierungsklassen der Frage in StackOverflow.

Stupst Sie dies in eine nützliche Richtung?