假设我有一个基本属于分类的任务。也就是说，给定一些输入和若干可能的输出类别，找出给定输入的正确类别。神经网络和决策树是一些可以用来解决此类问题的算法。然而，这些算法通常只会输出一个结果：最终的分类结果。

如果我不仅对一个分类结果感兴趣，而是对输入属于每个类别的后验概率感兴趣呢？也就是说，我不想要“这输入属于A类”的答案，而是想要“这输入属于A类的概率为80%，B类的概率为15%，C类的概率为5%”这样的答案。

我的问题不在于如何获得这些后验概率，而是在于描述寻找这些概率的过程的正确术语。你可以称之为回归，因为我们现在试图估计多个实数值，但我不确定这是否正确。我觉得这也不完全是分类，它介于两者之间。

是否有一个词可以描述寻找输入属于每个可能输出类别的类条件后验概率的过程？

P.S. 我不是很确定这个问题是否足够是一个编程问题，但由于它涉及机器学习，而机器学习通常涉及相当多的编程，我们就试试看吧。

回答：

“后验概率估计”听起来对我来说是正确的术语。