Classify 置信评分

发现 Zonos Classify 如何利用熵置信评分以及如何调整您的最低置信评分。

工作原理 

Classify 中的置信评分是一个介于 0% 和 100% 之间的数值，以小数形式表示，旨在表示分类的确定性水平。该评分是通过熵来确定的，熵是信息理论中的一种方法，用于衡量数据中的不确定性或随机性。由于熵量化了不确定性，因此更高的不确定性会导致较低的置信评分，而较低的不确定性则会产生较高的置信评分。这种方法提供了对分类中不确定性的更细致理解，从而使置信评分比标准概率方法更准确，后者仅仅量化最可能的选项。

这里定义的置信评分不是经过校准的。这意味着评分本身不能以绝对的方式进行解释。例如，85% 的评分并不一定意味着该分类在您的目的下会有 85% 的时间产生有利结果。相反，这些评分在相互比较时最为有用。85% 置信分类的有利结果的可能性高于 75% 置信评分。

考虑以下场景：仅提供“毛衣”或“食品”作为信息可能会错误地暗示这两个类别有相等的正确机会。然而，“毛衣”有 10 个子标题，而“其他食品制备”包含 600 个子标题。基于熵的置信评分考虑了这些差异，从而对“毛衣”分类的置信度远高于“食品”分类。

置信范围

在仪表板中可用，Classify 置信范围提供了一个简单直观的框架，用于解释置信评分。熵评分和数据的专家评估为这些范围的创建提供了依据，旨在有效传达我们对每个分类的置信水平。该系统旨在减少模糊性，使用户能够根据置信评分做出明智的决策。

• 75-100% = 高置信度
• 50-74% = 中等置信度
• 25-49% = 公平置信度
• 10-24% = 低置信度
• 0-9% = 无结果

调整最低置信评分 

虽然 Classify 有一个默认的置信评分，但您可以根据业务需求调整该评分。如果置信评分低于您期望的百分比，Classify 将不会返回 HS 代码。相反，它会通知您未找到 HS 代码，并提示您添加更多产品信息。

Classify's 置信评分是 Classify 的一个重要部分，因为它确保我们在您的风险承受范围内返回 HS 代码。例如，如果您将置信评分设置为 25%，Classify 可能不会为模糊描述如“手工配饰”或“龙包”提供分类。然而，通过将置信评分降低到 0%，Classify 将做出假设，例如将“手工配饰”分类为“手链”，将“龙包”分类为“玩具”，以确保您在可能的情况下收到分类响应。

要咨询分类专家并调整您的置信评分级别，请联系 classify@zonos.com。

提供的 HS 代码 

如果您提供一个 提供的 HS 代码 作为 Classify 输入字段，我们将其视为已知属性。因此，所有分类将位于该分类法的子集内，提供的置信评分将限于该同一分类法子集。例如，如果您为通用请求提供 62 作为提供的 HS 代码，则置信评分将基于数字 3 到 6，因为我们假设提供的 HS 代码是正确的。