Kalibrasi Model

Kalibrasi model adalah teknik post-hoc yang menyesuaikan keluaran probabilitas dari pengklasifikasi yang terlatih sehingga skor keyakinan yang diprediksi sesuai dengan frekuensi hasil empiris. Pengklasifikasi dikatakan terkalibrasi sempurna jika, di antara semua prediksi yang dibuat dengan keyakinan p, tepat sebagian p yang benar. Kesalahan kalibrasi sistematis pada jaringan saraf dalam modern didokumentasikan secara ketat oleh Guo et al. (2017), yang menunjukkan bahwa jaringan yang dilatih dengan kerugian cross-entropy standar cenderung terlalu percaya diri, dan mengusulkan penskalaan suhu sebagai solusi sederhana yang efektif.