chwei20002005的博客

对比 交叉熵损失（Cross-Entropy Loss）和KL散度（Kullback-Leibler Divergence）

1. 为什么要知道每个样本其所属类别的概率？ 虽然决策树可以做到对样本分类，但在算法使用中也会遇到这种情况，模型对样本X进行预测，样本X属于A的概率为51% 属于B的概率为49%，这时虽然算法给出结论是样本X属于A类。但是其对这次预测的结果把握性并不是很大。对于现实中某些宁可不做也不要出现错误的场景来说，这次预测并不是我们所需要的。所以，做算法的时候我们需要模型输出样本属于每个类别的概率。2. 决策树如何计算每个样本的概率？2.1 决策树结果可视化为了方便理解，这里...