Lo anterior es un ejemplo muy simple de tener una salida de clasificador de probabilidad para un caso de clase binaria, ya sea 0 o 1 en función de algunas probabilidades.
Además, es sencillo cómo puede cambiar el umbral. Establece el umbral más alto o más bajo del 50% para cambiar el equilibrio de precisión / recuperación y así optimizar para su propia situación única.
Sin embargo, cuando tratamos de tener el mismo pensamiento para un escenario multiclase, incluso tan poco como tres clases como se muestra en la imagen a continuación (imagine que estas son probabilidades)
¿Cómo comienzas a pensar cómo cambiar el umbral?
El valor predeterminado es tomar la clase con la mayor probabilidad (aquí es la clase 3).
Si desea tomar este equilibrio (para afectar la precisión / recuperación), ¿qué podría hacer?
Una idea podría ser tomar las primeras clases más dominantes para volver a normalizarlas y considerar poner un umbral entre estas dos, pero esto no parece una solución elegante.
¿Hay una metodología sólida a seguir?