machine-learning - 将多类模型的类概率转换为分数0-100

我想要做的是基于三类分类模型的预测来产生0-100的分数。
例如。 3类逻辑回归模型的predict_proba给出了3个概率x，y，z，如下所示-

0 1 2

设

现在，我想根据这些概率生成0-100的分数，其中0接近0类，而100接近2类。

最佳答案

尝试这个：

prob['P']=(prob['1']*1+prob['2']*2)/2

prob ['0']乘以0，因此不需要它。

例子：

prob ['0'] = 0.5，prob ['1'] = 0.5，prob ['2'] = 0 ==> prob ['P'] = 0.25

prob ['0'] = 0.75，prob ['1'] = 0.25，prob ['2'] = 0 ==> prob ['P'] = 0.125

prob ['0'] = 0.1，prob ['1'] = 0.2，prob ['2'] = 0.7 ==> prob ['P'] = 0.8

prob ['0'] = 0，prob ['1'] = 0，prob ['2'] = 1 ==> prob ['P'] = 1

关于machine-learning - 将多类模型的类概率转换为分数0-100，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/57577489/