machine-learning - 什么是不完全分类或回归的东西的正确术语？

假设我有一个基本分类的问题。也就是说，给定一些输入和许多可能的输出类，找到给定输入的正确类。神经网络和决策树是可用于解决此类问题的一些算法。然而，这些算法通常只发出一个结果：产生的分类。

现在如果我不仅对一个分类感兴趣，而且在后验概率中输入属于每个类。 I.E.，而不是答案“这个输入属于A类”，我想要答案“这个输入属于A类80％，B类15％，C类5％”。

我的问题不在于如何获得这些后验概率，而在于用正确的术语来描述找到它们的过程。你可以称之为回归，因为我们现在正在尝试估计一些实数值，但我不确定这是否正确。我觉得它也不是完全分类，它介于两者之间。

是否有一个词描述了某个输入属于每个可能的输出类的类条件后验概率的过程？

P.S。我不确定这个问题是否足够编程问题，但由于它是关于机器学习和机器学习通常涉及大量编程，让我们试一试。