Допустим, я использую виртуальную сеть для классификации изображений по проблеме мультикласса.
Классы A и B выглядят одинаково, а иногда алгоритм неверен
Например, у нас есть следующие результаты (давайтепредставьте, что у нас есть 3 класса) Столбец ABC - это выходная вероятность моего конвента для каждого класса
True label A B C
A 0.9 0.1 0
A 0.3 0.6 0.1
A 0.4 0.5 0.1
B 0.1 0.9 0
Как видите, в строках 2 и 3 алгоритм неверен, но это "нормально", так как класс A иB. похожи.
Когда мы видим этот результат, мы можем сказать:
if predicted class == B AND P(B)<0.8 and P(A)>0.25
Then predicted class == A
Какой алгоритм я могу использовать, чтобы найти правила такого рода?Я имею в виду не совсем правила, но я ищу алгоритм, в котором я использую предыдущую таблицу данных в качестве входных данных, и она должна иметь возможность реклассифицировать какой-то пример, который выглядит как не принадлежащий к нужному классу
жизнеспособно искать алгоритм как этот?или тупой?