如何解读ML.NET多分类任务中模型预测输出的得分数组

• ML.NET多分类模型返回的得分数组，长度与你定义的错误类型总数完全一致，数组每个位置的数值对应同索引类别的预测得分，模型最终输出的预测类别，就是得分最高的位置对应的错误类型。
  举个例子，如果你预设的错误类型顺序为["runtime", "compile", "dependency"]，那么数组下标0对应runtime类得分、下标1对应compile类得分、下标2对应dependency类得分，你提到的Object reference not set to an instance of an object被识别为runtime错误，就说明该样本的得分数组中下标0的数值最高。
• 绝大多数ML.NET内置多分类训练器（比如SdcaMaximumEntropy、OneVersusAll封装训练器）的输出得分，本身就是经过Softmax转换的概率值，范围在0到1之间，所有位置得分总和为1，直接取预测类别对应的得分，就是该结果的置信度。比如上述示例中如果runtime对应的得分为0.91，那么该预测结果的置信度就是91%。
• 如果你使用的是未开启概率输出的自定义训练器，得分为原始决策值，可以手动做Softmax转换得到归一化置信度，转换公式为：
  类别i的置信度 = exp(score[i]) / sum(exp(score[j]) for j in 0..类别总数-1)
  转换后的数值同样符合0-1区间的概率属性，可直接作为置信度使用。
• 你可以通过训练阶段MapValueToKey转换输出列的KeyValues属性，拿到类别和数组索引的对应关系，避免索引匹配错误。

内容的提问来源于stack exchange，提问作者rajesh_zero