“不确定性（uncertainty）”“预测概率（predicted probability）”和“置信度（confidence）”
·
三者的核心区别
-
预测概率（p）：模型对某个结果的“倾向性判断”。
例如，二分类任务中模型预测“样本是正类”的概率为0.8，这是模型对结果的直接输出，反映了它认为该结果“有多可能”。 -
不确定性（σ² 或类似指标）：模型对自身预测的“怀疑程度”。
它描述的是“预测结果的波动范围”。例如，同样预测概率0.8，若不确定性σ²=0.01，说明模型对这个预测很“笃定”（多次预测可能都在0.79-0.81之间）；若σ²=0.1，说明模型很“犹豫”（多次预测可能在0.6-1.0之间波动）。
不确定性通常来自数据噪声、模型复杂度不足、训练样本稀少等，是模型对“自身是否靠谱”的量化。 -
置信度（如切比雪夫置信度l）：综合概率和不确定性后，对“预测结果可靠性”的最终评估。
它的核心是：不仅看模型说“结果有多可能”，还要看模型对这个判断“有多确定”。例如：- 若概率p=0.8且不确定性σ²=0.01，置信度会很高（因为概率高且模型笃定）；
- 若概率p=0.8但σ²=0.5，置信度会降低（虽然概率高，但模型自身波动太大，结果可能不可靠）。
总结
- 概率：模型对结果的“倾向性”；
- 不确定性：模型对自身判断的“怀疑程度”；
- 置信度：综合两者后对“预测可靠性”的最终评价。
腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。
更多推荐
1
0- 0
已为社区贡献1条内容
所有评论(0)