Джентельмены!
Есть у меня двуклассовый классификатор, который выдаёт решения в виде некоторой чиселки. Я знаю, что чем больше чиселка, тем больше вероятность, что данные, скормленные классификатору, относятся к классу 1, а не к классу 0.
Я хочу построить функцию, которая будет принимать решение классификатора и выдавать вероятность принадлежности к классу 1. Для этого делаем кросс-валидацию обучающего множества и получаем значения-решения для каждого его элемента.
После этого строим эмпирическую функцию вероятности как P[prior emp 1] (x)= Num(class 1 with dec value <= x), как-то её сглаживаем и дифференцируем, чтобы получить плотность вероятности. Так получаем f0(x) и f1(x) для классов 0 и 1.
Апстериорную вероятность считаем как P1[posterior] (x) := |class 1| * f1(x) / (|class 0| * f0(x) + |class 1| * f1(x) )
Как правильно называется такой тип оценки вероятности, когда мы строим априорные вероятности для классов непосредственно из данных?
