如果我对具有多个类别的模型进行预测，分数是否会在所有类别中分开？答案

【问题标题】：If I run a prediction against a model with multiple categories, are the scores split amongst all categories?如果我对具有多个类别的模型进行预测，分数是否会在所有类别中分开？
【发布时间】：2016-12-15 07:29:22
【问题描述】：

假设我为 10 个类别中的每个类别创建了一个包含约 30 个项目的模型。我已经采用了提供给我的所有默认值。

该模型的平均 F1 分数为 0.875（我有 2 个类别密切相关，所以这会稍微影响准确性）。

如果我对一段应该与类别 3 和 8 正匹配的文本进行实时预测，我会得到以下结果：

{
    "Prediction": {
        "details": {
            "Algorithm": "SGD",
            "PredictiveModelType": "MULTICLASS"
        },
        "predictedLabel": "8",
        "predictedScores": {
            "1": 0.002642059000208974,
            "2": 0.010648942552506924,
            "3": 0.41401588916778564,
            "4": 0.02918998710811138,
            "5": 0.008376320824027061,
            "6": 0.009010250680148602,
            "7": 0.006029266398400068,
            "8": 0.4628857374191284,
            "9": 0.04102163389325142,
            "10": 0.01617990992963314
        }
    }
}

我想知道的是，3 和 8 是否都有效地具有约 80% 的确定性，但是因为它们都匹配，所以确定性在两者之间是分开的。如果将所有predictedScores 相加，则得到 0.999999997，这让我怀疑在每个可用类别中是否有 1.0 的总分...

如果我改为设置 10 个不同的模型，并独立地对每个模型进行二元匹配，我会看到 3 和 8 的得分更高（例如更接近 0.8）吗？

我想一个相关的问题是……如果我有一个绝对适合所有 10 个类别的理论文本，亚马逊机器学习可以回答predictedScore 每个类别的值为 1.0？或者，因为predictedScore 的最大值为 1.0，是否会为每个类别返回 0.1？

【问题讨论】：

标签： amazon-machine-learning

【解决方案1】：

Amazon ML 返回输入集中已知的每个类别的概率。因为它们是真实的建模概率，所以它们的总和必须为 1。换句话说，当您说“在每个可用类别中划分的总分为 1.0...”时，您是正确的。

以下是回答此问题和您的其他一些问题的参考页面： http://docs.aws.amazon.com/machine-learning/latest/dg/reading-the-batchprediction-output-files.html#interpreting-the-contents-of-batch-prediction-files-for-a-multiclass-classification-ml-model

【讨论】：