Я работаю над проблемой мультиклассовой классификации с различными классификаторами, работаю с Python и scikit-learn. Я хочу использовать прогнозируемые вероятности, в основном, чтобы сравнить прогнозируемые вероятности различных классификаторов для конкретного c случая.
Я начал читать о «калибровке» ( здесь и здесь например) и я запутался.
Для того, что я понял: хорошо откалиброванная вероятность означает, что эта вероятность также отражает долю определенного класса.
1) Означает ли это, что если бы у меня было 10 одинаково распределенных классов, калиброванные вероятности в идеале были бы около 0,1 для каждого класса?
2) Могу ли я интерпретировать вероятности предиката_проба (без калибровки) как «насколько точно классификатор говорит о том, что это правильный класс»?
Надеюсь, кто-то может уточнить это для меня! :)