Birkaç çok sınıflı modelin olasılıklarını birleştirin
Diyelim ki bir dizi girdinin 5 sınıftan birine ait olup olmadığını tahmin eden iki çok sınıflı modelim var (A ve B). Her model tahmini, toplamı 1'e ulaşan olasılıklardır. Örnek olarak şunları hayal edin:
+---------+---------+---------+--------+
| | Model A | Model B | Result |
+---------+---------+---------+--------+
| Class 1 | 0.2 | 0.4 | ? |
+---------+---------+---------+--------+
| Class 2 | 0.3 | 0.3 | ? |
+---------+---------+---------+--------+
| Class 3 | 0.15 | 0.2 | ? |
+---------+---------+---------+--------+
| Class 4 | 0.25 | 0.05 | ? |
+---------+---------+---------+--------+
| Class 5 | 0.1 | 0.05 | ? |
+---------+---------+---------+--------+
Bu olasılıkları, toplamı hala bir olan tek bir olasılıkla birleştirmeye nasıl devam edebilirim?
Yanıtlar
En basit yaklaşım, her sınıf için tahminlerin sadece bir ortalamasını almak olacaktır. Bir ağırlık kullanabilirsiniz.
İlk modelin tahminler verdiğini varsayalım $p_1, \dots, p_5$ ve ikincisi verir $q_1, \dots, q_5$. Sonra
$$\sum_{i=1}^5 p_i=\sum_{i=1}^5 q_i = 1.$$
Herhangi bir kilo al $0<w<1$, birleşik tahmini şu şekilde tanımlayın: $r_i := wp_i+(1-w)q_i$. Sonra
$$ \sum_{i=1}^5 r_i = \sum_{i=1}^5\big(wp_i+(1-w)q_i\big) = w\sum_{i=1}^5 p_i+(1-w)\sum_{i=1}^5 q_i = w+(1-w) = 1. $$
Yani tahminleriniz yine toplamı 1'dir. Bu aynı zamanda ikiden fazla sınıflandırıcı için de işe yarar.
Ağırlıklar olarak, iki sınıflandırıcınızın geçmiş performansını kullanabilirsiniz. Veya ağırlıksız ortalamayı alın,$w=\frac{1}{2}$"optimal" ağırlıkları tahmin etmeye çalışmaktan genellikle daha iyidir ( Claeskens ve diğerleri, 2016, IJF ).
Alternatif olarak, tahminlerinizi birleştirmek için başka herhangi bir yöntemi kullanabilir ve daha sonra sonuçları 1'e toplamak için yeniden normalleştirebilirsiniz.