让我们说我们试图模拟某人购买产品的倾向（例如汽车），而且客户只能购买6种类型的汽车（比如Car_a，Car_b，Car_c，Car_d，关心）。
从市场营销的角度来看，我想知道哪个客户有更高的可能性（二进制分类），我可能还想知道客户最有可能乘坐哪辆车（多级）分类）。
我创建了一个二元分类模型，可以预测某人开车的倾向。 例如，顾客_A - ＆gt; 0.25，我们称之为Pr_binary（Customer_A）
我还创建了一个包含Car_a，Car_b，Car_c，Car_d，Car_e类的多类模型，它告诉客户购买这些车的可能性。
现在，我的问题是，概率Pr_binary是否与多个[Pr（Car_a）+ Pr（Car_b）+ Pr（Car_c）+ Pr（Car_d）+ Pr（Car_e）]之和相当或相等班级模特？
答案 0 :(得分：0)
不，您使用的表达方式不相同。
假设（在你的例子中）只有5种类型的汽车，那么组合概率的正确方法是：
P(buying) = 1 - P(not buying)
其中：
P(not buying) = (1 - Pr(Car_a)) * (1 - Pr(Car_b)) * (1 - Pr(Car_c)) * (1 - Pr(Car_d)) * (1 - Pr(Car_d))
这应该可以帮助您评估两种情况下特定客户的概率是否相似。
但请注意，这假设您的多类方法的输出是概率，并且（如果您使用的是One VS All分类器）所有单个概率都已校准。