Die Vorhersagen des Modells lesen

Ein Modell liefert mehr als nur eine einzelne Antwort. Wenn Sie seine Vorhersagen lesen können, erkennen Sie nicht nur, wofür es sich entschieden hat, sondern auch, wie sicher es dabei war.

Der Aufruf von predict gibt für jede Eingabe die wahrscheinlichste einzelne Klasse zurück. Das ist das harte Label: Das Modell legt sich auf eine Antwort fest.

Verwenden Sie predict_proba, um die Wahrscheinlichkeit für jede Klasse zu sehen. Ein Spam-Wert von 0.95 zeigt deutlich mehr Überzeugung als ein grenzwertiger Wert von 0.51.

Jede Zeile mit Wahrscheinlichkeiten ergibt exakt 1. Das Modell verteilt seinen gesamten Glauben auf die verfügbaren Klassen – nie mehr und nie weniger.

Die Wahrscheinlichkeitsspalten folgen der Reihenfolge in classes_. Prüfen Sie dieses Attribut, damit Sie wissen, welche Spalte für Spam und welche für Ham steht.

Intern arbeitet das Modell mit Logarithmen, damit sehr kleine Zahlen keinen Unterlauf verursachen. Die Methode predict_log_proba stellt diese unverarbeiteten Log-Werte bereit, falls Sie sie benötigen.

Eine hohe Wahrscheinlichkeit bedeutet, dass das Modell überzeugt ist, nicht dass es richtig liegt. Naive Bayes kann übermäßig selbstsicher sein – behandeln Sie seine Werte daher mit gesunder Vorsicht.

Sie müssen Spam nicht ab 0.5 markieren. Wenn Sie den Schwellenwert auf 0.8 erhöhen, gibt es weniger Fehlalarme, aber etwas mehr Spam-Nachrichten kommen durch.

Finden Sie Eingaben, bei denen das Modell überzeugt und dennoch falsch war. Diese Fehler weisen oft auf fehlende Wörter oder Labels hin, die in Ihren Daten korrigiert werden müssen.

Bei Naive Bayes können Sie auflisten, welche Wörter eine Nachricht in Richtung Spam gelenkt haben. Diese wortbasierte Beweislage macht das Modell erfreulich leicht erklärbar. 🔎

Wahrscheinlichkeiten ermöglichen es Ihnen, nach Risiko zu sortieren, unsichere Fälle an einen Menschen weiterzuleiten und sinnvolle Grenzwerte festzulegen. Wer sie richtig liest, macht aus einem Modell ein echtes Werkzeug.

Sie sind über harte Labels hinausgegangen und können nun Wahrscheinlichkeiten lesen, die Klassenreihenfolge prüfen, Schwellenwerte anpassen und Entscheidungen erklären. So können Sie einem Klassifikator vertrauen. ✅