我想说，对于一个经过足够时期训练并且不会过度拟合的模型，具有绝对相等的概率并不常见。

也就是说，如果你碰巧有相同的概率，那么要预测的类的选择应该取决于你正在接近的领域，例如：

• 一个可能的实现就像在 numpy 的 argmax 中一样，通过选择第一个索引。
• 您还可以在您的测试集中专门针对这个问题创建一个新的“未知”类。
• 如果您犯了错误并预测“2”类而不是“1”类，对您的业务问题是否更糟？然后，您应该选择错误概率较低的类别（考虑医学领域并预测癌症的几个阶段）
• 班级余额一样吗？您可以选择训练集中最可能的课程

你可以试试：

• 对数据进行上采样。
• 尝试预处理数据（EDA）。
• 使用逻辑回归为每个类构建一个二元模型，以提高模型的性能和准确性。

它将随机选择，但该输出的模型的置信水平将非常低（此处为 30%）