উত্তর:
অন্য উত্তরগুলি সঠিকভাবে জানিয়েছে, লজিস্টিক রিগ্রেশন এবং নিষ্পাপ বয়েসের মতো মডেলগুলি থেকে প্রাপ্ত সম্ভাব্যতাগুলি বর্গ সম্ভাবনার অনুমান। যদি মডেলটি সত্য হয় তবে সম্ভাব্যতাটি সত্যই একটি সঠিক শ্রেণিবিন্যাসের সম্ভাবনা ছিল।
যাইহোক, এটি বোঝার জন্য এটি বেশ গুরুত্বপূর্ণ যে এটি বিভ্রান্তিকর হতে পারে কারণ মডেলটি অনুমান করা হয় এবং এটি সঠিক মডেল নয়। কমপক্ষে তিনটি বিষয় রয়েছে।
অনিশ্চয়তা শুধু সর্বত্র উপস্থিত সত্য যে সম্ভাবনা মাত্র একটি অনুমান করা হয়। আনুমানিক শ্রেণীর সম্ভাবনার একটি আত্মবিশ্বাসের ব্যবধান অনিশ্চয়তা (শ্রেণিবিন্যাসের নয়, শ্রেণীর সম্ভাবনার) সম্পর্কে কিছু ধারণা দিতে পারে।
যদি অনুমান পদ্ধতি (ইচ্ছাকৃতভাবে) পক্ষপাতদুষ্ট অনুমান সরবরাহ করে তবে শ্রেণীর সম্ভাবনাগুলি ভুল are লজিস্টিক রিগ্রেশন-এর জন্য লাসো এবং রিজের মতো নিয়মিতকরণ পদ্ধতিতে এটি আমি দেখতে পাচ্ছি। যদিও নিয়মিতকরণের ক্রস-বৈধতাযুক্ত পছন্দটি শ্রেণিবিন্যাসের ক্ষেত্রে ভাল পারফরম্যান্স সহ একটি মডেলকে নিয়ে যায়, ফলস্বরূপ শ্রেণীর সম্ভাবনাগুলি পরীক্ষার ক্ষেত্রে স্পষ্টতই অবমূল্যায়ন করা হয় (0.5 এর কাছাকাছি)। এটি অগত্যা খারাপ নয়, তবে সচেতন হওয়া গুরুত্বপূর্ণ।
একটি পরীক্ষার ক্ষেত্রে (নির্দিষ্ট ইনপুট), এর শ্রেণি (বাইনারি আউটপুট জন্য লেবেল 1 বলুন) ভবিষ্যদ্বাণীমূলক সম্ভাবনা হ'ল পরীক্ষার উদাহরণটি সেই শ্রেণীর অন্তর্গত। এই জাতীয় অনেক পরীক্ষার ক্ষেত্রে, অনুপাত যে অনুপাতটি 1 ম শ্রেণীর অন্তর্গত তা ভবিষ্যদ্বাণীপূর্ণ সম্ভাবনার দিকে ঝুঁকবে।আত্মবিশ্বাসের মধ্যে আত্মবিশ্বাসের অন্তরগুলির ধারণাগুলি রয়েছে, যা কিছু আলাদা different
কোনও শ্রেণিবদ্ধকারী যদি কোনও সম্ভাব্যতা সহ একটি নির্দিষ্ট শ্রেণির পূর্বাভাস দেয় তবে number নম্বরটিকে শ্রেণিবিন্যাসের আস্থা অর্জনের প্রক্সি হিসাবে ব্যবহার করা যেতে পারে। আত্মবিশ্বাসের বিরতিতে বিভ্রান্ত হওয়ার দরকার নেই। উদাহরণস্বরূপ, যদি শ্রেণিবদ্ধকারী পি সম্ভাব্যতা 80% এবং 60% সহ +1 & -1 হিসাবে দুটি ক্ষেত্রে ভবিষ্যদ্বাণী করেন তবে এটি সঠিকভাবে বলা যায় যে এটি -1 শ্রেণিবদ্ধকরণের চেয়ে +1 শ্রেণিবিন্যাসের বিষয়ে আরও নিশ্চিত। পি (1-পি) দ্বারা পরিমাপিত বৈকল্পিকতাও অনিশ্চয়তার একটি ভাল পরিমাপ। দ্রষ্টব্য, বেসলাইন আত্মবিশ্বাস 0% নয় 50%।
2-শ্রেণীর (যেমন একটি 2 শ্রেণির লিনিয়ার বৈষম্যমূলক বা লজিস্টিক রিগ্রেশন শ্রেণিবদ্ধকারী) সহ কোনও শ্রেণিবদ্ধকারী দেওয়া উভয় শ্রেণির জন্য বৈষম্যমূলক মানটি একটি শ্রেণির জন্য উত্তরীয় সম্ভাবনার অনুমানের জন্য একটি সফটম্যাক্স ফাংশনে প্রয়োগ করা যেতে পারে:
পি 1 = এক্সপ্রেস (ডি 1) / (এক্সপ্রেস (ডি 1) + এক্সপ্রেস (ডি 2))
যেখানে পি 1 ক্লাস 1, ডি 1 এবং ডি 2 এর উত্তরোত্তর সম্ভাবনা অনুমান যথাক্রমে 1 এবং 2 শ্রেণির জন্য বৈষম্যমূলক মান। এক্ষেত্রে প্রদত্ত শ্রেণীর জন্য অনুমানক উত্তরোত্তর সম্ভাবনাটি শ্রেণীর প্রতি আস্থার একটি ডিগ্রি হিসাবে নেওয়া যেতে পারে, প্রদত্ত ক্ষেত্রে পি 1 সমান হবে - পি 2।