Mudeli kalibreerimine
Mudeli kalibreerimine on post-hoc tehnika, mis kohandab treenitud klassifitseerija tõenäosusväljundeid nii, et ennustatud usaldusskoorid vastaksid empiirilistele tulemuste sagedustele. Klassifitseerijat nimetatakse täiuslikult kalibreerituks, kui kõigist p usaldusmääraga tehtud ennustustest on täpselt p murdosa õiged. Kaasaegsete sügavate närvivõrkude süstemaatiline valekalibreerimine dokumenteeriti rangelt Guo et al. (2017) poolt, kes näitasid, et standardse ristentroopia kaoga treenitud võrgud kipuvad olema üliuhked ja pakkusid temperatuuriskaleerimist kui lihtsat ja tõhusat lahendust.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Guo, C., Pleiss, G., Sun, Y., & Weinberger, K. Q. (2017). On calibration of modern neural networks. International Conference on Machine Learning, 1321–1330. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). Probability Calibration of Classifiers. ScholarGate. https://scholargate.app/et/machine-learning/model-calibration
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Konformne ennustusMasinõpe↔ compare
- Logistiline regressioonUurimisstatistika↔ compare
- Ebakindluse kvantifitseerimineSimulatsioon↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →