使用对数刻度对分类器得分进行归一化以进行比较

Question

比较不同分类器的评分结果的好方法是什么？

例如，假设我有一个分类器，它处理12种不同类别的水果。在这12个类别中，4个类别代表苹果的不同观点，4个类别代表香蕉的观点，4个类别代表凤梨。这是一个多类分类器，给定一张图像，它将为该图像可能属于的所有可能的12个水果类别分配一个分数。得分最高的班级被选为图像的班级。

现在除此之外-我有3个单独的分类器，一个用于苹果，一个用于香蕉，一个用于凤梨。每个分类器处理单个水果的4种不同视图。

我想比较一下，使用单一的12类分类器是否比使用单个4类分类器的组合提供更好的结果。

当我在苹果图像上运行12类分类器时，结果确实不如运行单个苹果分类器的结果准确，香蕉和凤梨也是如此。

我现在要做的是构建一个3个分类器的组合。因此，我的程序将在单个图像上运行所有3个分类器，并告诉我最可能的类是什么。

问题是-我如何对不同分类器的分数进行标准化，以便我可以在3个分类器的类之间进行比较，并选择得分最高的类？尽管用于训练单个分类器的方法是相同的，但我怀疑如果没有某种归一化，我不能直接比较它们的分数。

简单地将所有分数转换为对数刻度，然后进行比较是否实用？

Answer 1

一种流行的归一化分类器的方法是通过Platt-Scaling实现的，该方法在libSVM中实现。这是一个简单的标准化，如下面的链接所述。

http://en.wikipedia.org/wiki/Platt_scaling