Я имею дело с проблемой классификации по нескольким меткам (4 метки). Классификация является бинарной классификацией. Целевые значения выглядят как [0 0 1 1]. Я применил к своим данным модель CNN, скажем, модель A, и получил эти логиты из прогноза модели после обучения. Пример прогноза выглядит так -
[0,035143 0,04422513 0,94436157 0,87883586]
Теперь я хочу запустить DecisionTreeClassifier, скажем, модельB, на том же входе. Однако, на этот раз, вместо того, чтобы давать [0 0 1 1], я хочу дать прогнозируемые вероятности из модели A в качестве целевых значений .
Если я дам целевой результат, например [0 0 1 1], DecisionTreeClassifier работает хорошо. Применение этих логитов в качестве целевого вывода DecisionTreeClassifier не так просто.
Мне интересно, есть ли способ, которым я могу предоставить эти 'непрерывный-мульти-выход' в качестве целевого выхода DecisionTree ?
Одним из возможных решений может быть: Вместо применения DecisionTreeClassifier я могу использовать DecisionTreeRegressor, чтобы получить вероятности в качестве выходных данных, а затем округлить прогнозы. Но я хочу знать, есть ли какое-либо решение на основе DecisionTreeClassifier?