确定估计其中一类概率的模型的准确性答案

【问题标题】：Determine accuracy of model which estimates probability of one of the classes确定估计其中一类概率的模型的准确性
【发布时间】：2025-12-11 09:55:02
【问题描述】：

我正在为具有两个结果的事件建模，0（拒绝）和 1（接受）。我创建了一个模型来估计 1（接受）将发生的概率（即模型将计算 80% 的机会发生“1”，或者换句话说接受概率为 0.8）

现在，我有大量试验结果记录以及模型的估计值（例如：接受概率=0.8 和实际班级 (acceptance=1)）。我想量化或验证模型的准确性。这可能吗？如果可以，怎么做？

注意：我只是在预测第 1 类的概率。假设第 1 类的预测是 0.8，实际的类值为 1。现在我想找到我的模型的性能。

【问题讨论】：

准确率、精度、召回率、AUC、二元交叉熵、MSE、MAE等都是可以使用的指标
但是 AUC 需要二进制输出，所以我们可以创建混淆矩阵然后绘图。但就我而言，我将无法创建混淆矩阵。我正在预测 1 类（接受）的概率，我需要将其与 1 类进行比较。有什么想法吗？
AUC 既不需要二进制输出，也不需要混淆矩阵。它需要每个对象的分数，可用于对对象进行排序。您只需要一个二进制参考来进行评估。

【解决方案1】：

您只需将概率转换为具有阈值舍入的两个离散类之一，即如果 p(y=1|x)>0.5：预测 1，否则预测 0。然后所有指标都适用。阈值可以通过检查 ROC 曲线和/或精确召回变化来选择，也可以简单地设置为 0.5。

【讨论】：

【解决方案2】：

通过预测对对象进行排序。

然后计算所得曲线的 ROC AUC。

【讨论】：