分類機を loss=BCE で予測するとき

0, 1 の分類器について、BCE で loss を計算すると、未来の確率の最尤は予測値となる。

def likelifood(x, n, n_1):
    return (x**(n_1)) * ((1- x) ** (n - n_1))

N = 100
N_1 = 80
x_list = []
for i in np.arange(0, 1.01, 0.01):
    xx = likelifood(i, N, N_1)
    x_list.append(xx)
    print(np.round(i, 2), '\t', xx)
plt.plot(np.arange(0, 1.01, 0.01), x_list)
plt.show()