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()