Допустим, у меня есть проблема, которая по сути является классификацией. То есть, учитывая некоторый ввод и количество возможных выходных классов, найдите правильный класс для данного ввода. Нейронные сети и деревья решений - некоторые из алгоритмов, которые могут использоваться для решения таких проблем. Однако эти алгоритмы обычно выдают только один результат: результирующую классификацию.
Теперь, что, если бы меня заинтересовала не только одна классификация, но апостериорные вероятности того, что входные данные принадлежат каждому из классов. Т.е. вместо ответа «Этот вход принадлежит классу A», я хочу получить ответ «Этот вход принадлежит классу A с 80%, классу B с 15% и классу C с 5%».
Мой вопрос не о том, как получить эти апостериорные вероятности, а скорее о правильной терминологии, описывающей процесс их нахождения. Вы можете назвать это регрессией, так как мы сейчас пытаемся оценить число вещественных чисел, но я не совсем уверен, правильно ли это. Я чувствую, что это не совсем классификация, это нечто среднее между ними.
Есть ли слово, описывающее процесс нахождения класса условных апостериорных вероятностей того, что какой-либо вход принадлежит каждому из возможных выходных классов?
P.S. Я не совсем уверен, является ли этот вопрос достаточным вопросом программирования, но поскольку он касается машинного обучения, а машинное обучение, как правило, включает в себя приличное количество программирования, давайте попробуем.