כיול מודל
כיול מודל הוא טכניקת פוסט-הוק (post-hoc) המתאימה את פלטי ההסתברות של מסווג מאומן כך שציוני הביטחון החזויים יתאימו לתדירויות התוצאה האמפיריות. מסווג נחשב מכויל באופן מושלם אם, מבין כל החיזויים שנעשו בביטחון p, בדיוק חלק p מהם נכונים. חוסר כיול שיטתי של רשתות נוירונים עמוקות מודרניות תועד בקפדנות על ידי Guo et al. (2017), שהראו כי רשתות שאומנו עם פונקציית הפסד אנטרופיה צולבת סטנדרטית נוטות להיות בעלות ביטחון יתר, והציעו את סקאלה טמפרטורה (temperature scaling) כתרופה פשוטה ויעילה.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Guo, C., Pleiss, G., Sun, Y., & Weinberger, K. Q. (2017). On calibration of modern neural networks. International Conference on Machine Learning, 1321–1330. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Probability Calibration of Classifiers. ScholarGate. https://scholargate.app/he/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.
- חיזוי קונפורמילמידת מכונה↔ compare
- רגרסיה לוגיסטיתסטטיסטיקה למחקר↔ compare
- כימות אי-ודאותסימולציה↔ compare